url编码和utf8以及unicode的东东

为什么要url编码

• 为了安全的传输url
• 除了 一下5类字符，其余的都要编码， RFC3986

1. 0-9
2. a-Z
3. 、-_.~4 (4个字符)
4. ! * ’ ( ) ; : @ & = + $ , / ? # [ ] （这些是保留字符，路径分隔，参数分隔等作用）
5. ~ 波浪线虽然不要求编码，但一些老网关或代理会编码。

• 0 -127 这128个ascii表：
• • 00~1F + 7F 这32个是控制字符。
  • 20~7E 都是可见字符。

怎么编码

• 16进制表示形式，一个字节一个字节的表示 前面用百分号。
• 不要求编码的字符可以不编码，编码了也不影响， 比如a %61
• 中文按字节表示 比如 “中” 三个字节0xE4 0xB8 0xAD， 就是 %E4%B8%AD

utf8编码

• unicode是字符集，是字符集，字符集, utf8才是具体实现， 为什么呢？unicode规则太占空间了。 参考此文
• 第一位是0. 表示单字节字符
• 前面几个1，则表示utf8需要几个字节
• 第一个字节n(表示整体几个字节)个1 + 0 ， 后面的字节前两位都是10，其余部分就是unicode编码对应的填充。

unicode编码是大端还是小端

• 一般计算都是小端， 低地址存低位，高地址存高位
• 网络传输，文件存储 是大端， 低地址存高位。这个利于人理解，地址一般是从低到高，例如顺序0x1234。
• unicode文本开头有个字符，FEFF是小端，FFEF是大端。