URL编码问题

URL为何需要编码

对于Url来说，之所以要进行编码，是因为Url中有些字符会引起歧义。

URL中采用何种编码

Url的编码格式采用的是ASCII码，而不是Unicode，这也就是说你不能在Url中包含任何非ASCII字符 
Url中只允许包含英文字母（a-zA-Z）、数字（0-9）、-_.~4个特殊字符以及所有保留字符。

如何对URL编码

例如a在US-ASCII码中对应的字节是0x61，那么Url编码之后得到的就是%61，我们在地址栏上输入http://g.cn/search?q=%61%62%63，实际上就等同于在google上搜索abc了。对于非ASCII字符，需要使用ASCII字符集的超集进行编码得到相应的字节，然后对每个字节执行百分号编码。如”中文”使用UTF-8字符集得到的字节为0xE4 0xB8 0xAD 0xE6 0x96 0x87，经过Url编码之后得到”%E4%B8%AD%E6%96%87”。

URL编码转换形式

URL 编码将字符转变成对 URL 解析无意义的无害形式。它将字符转化成为一种特定字符编码的字节序列，然后将字节转换为16进制形式，并将其前面加上”%”。问号的 URL 编码形式为”%3F”。我们可以将指向 “to_be_or_not_to_be?.jpg”图片的 URL 写成：”http://example.com/to_be_or_not_to_be%3F.jpg”，这样就没有人会认为这儿可能由一个查询部分了。

escape,encodeURI,encodeURIComponent

encodeURI被用作对一个完整的URI进行编码，而encodeURIComponent被用作对URI的一个组件进行编码。从上面提到的安全字符范围表格来看，我们会发现，encodeURIComponent编码的字符范围要比encodeURI的大。我们上面提到过，保留字符一般是用来分隔URI组件（一个URI可以被切割成多个组件，参考预备知识一节）或者子组件（如URI中查询参数的分隔符），如：号用于分隔scheme和主机，?号用于分隔主机和路径。由于encodeURI操纵的对象是一个完整的的URI，这些字符在URI中本来就有特殊用途，因此这些保留字符不会被encodeURI编码，否则意义就变了。 
　　组件内部有自己的数据表示格式，但是这些数据内部不能包含有分隔组件的保留字符，否则就会导致整个URI中组件的分隔混乱。因此对于单个组件使用encodeURIComponent，需要编码的字符就更多了。

URL,URI

URI 是从虚拟根路径开始的 
URL是整个链接 
如URL http://zhidao.baidu.com/question/68016373.html 
URI 是/question/68016373.html 
在摆渡那边服务器上把http://zhidao.baidu.com/制作成了虚拟的路径的根 
URL是一种具体的URI，它不仅唯一标识资源，而且还提供了定位该资源的信息。URI是一种语义上的抽象概念，可以是绝对的，也可以是相对的，而URL则必须提供足够的信息来定位，所以，是绝对的

表单提交

当Html的表单被提交时，每个表单域都会被Url编码之后才在被发送

解码后的URL不能被再编码为同样的形式

如果你解码”http://example.com/blue%2Fred%3Fand+green” 为”http://example.com/blue/red?and+green”，然后对它进行编码(哪怕使用一个对URL每一部分都很了解的编码器)，你将会得到”http://example.com/blue/red?and+green”，这是因为它已经是一个有效的URL。它跟我们解码之前的URL非常的不同

其他

很多HTTP监视工具或者浏览器地址栏等在显示Url的时候会自动将Url进行一次解码（使用UTF-8字符集），这就是为什么当你在Firefox中访问Google搜索中文的时候，地址栏显示的Url包含中文的缘故。但实际上发送给服务端的原始Url还是经过编码的。你可以在地址栏上使用Javascript访问location.href就可以看出来了。在研究Url编解码的时候千万别被这些假象给迷惑了。

一个http请求经过的几个环节

浏览器(ie firefox)【get/post】————>Servlet服务器——————————->浏览器显示 
编码 解码成unicode，然后将显示的内容编码 解码 
(1) 浏览器把URL(以及post提交的内容)经过编码后发送给服务器。 
(2) 这里的Servlet服务器实际上指的是由Servlet服务器提供的servlet实现ServletRequestWrapper，不同应用服务器的servlet实现不同，这些servlet的实现把这些内容解码转换为unicode，处理完毕后，然后再把结果(即网页)编码返回给浏览器。 
(3) 浏览器按照指定的编码显示该网页。当对字符串进行编码和解码的时候都涉及到字符集，通常使用的字符集为ISO8859-1、GBK、UTF-8、UNICODE。 
(1) 对于中文IE,如果在高级选项中选中总以UTF-8发送(默认方式)，则PathInfo是URL Encode是按照UTF-8编码,QueryString是按照GBK编码。 
http://localhost:8080/example/中国?name=中国 
实际上提交是： 
GET /example/%E4%B8%AD%E5%9B%BD?name=%D6%D0%B9%FA

(2) 对于中文IE,如果在高级选项中取消总以UTF-8发送，则PathInfo和QueryString是URL encode按照GBK编码。 
实际上提交是： 
GET /example/%D6%D0%B9%FA?name=%D6%D0%B9%FA

网址路径的编码，用的是utf-8编码 
查询字符串的编码，用的是操作系统的默认编码(直接输入网址) 
GET和POST方法的编码，用的是网页的编码:< meta http-equiv=”Content-Type” content=”text/html;charset=xxxx”> 
在Ajax调用中，IE总是采用GB2312编码（操作系统的默认编码），而Firefox总是采用utf-8编码。这就是我们的结论4。 
encodeURIComponent()。与encodeURI()的区别是，它用于对URL的组成部分进行个别编码，而不用于对整个URL进行编码。