网页 URL 中的特殊字符 “空格” 问题
Java 代码案例
1、将一段内容和接口拼接成 URL 链接
代码示例
public static String generateContent(String content) { // 将 content 进行 url 编码 String ans; try { ans = URLEncoder.encode(content, "UTF-8"); } catch (UnsupportedEncodingException e) { // 处理异常情况 throw new RuntimeException(e); } return ans; }
1、不带空格的处理
public static void main(String[] args) { String baseUrl = "https://example.com/resource?a="; String content = "小黑"; String ansUrl = baseUrl + generateContent(content); System.out.println("最终生成的 URL 的值为:" + ansUrl); }
运行结果:
https://example.com/resource?a=%E5%B0%8F%E9%BB%91
粘贴到浏览器上会被浏览器解码出来给用户看到:
example.com/resource?a=小黑
网页截图:
2、带有空格的处理
public static void main(String[] args) { String baseUrl = "https://example.com/resource?a="; String content = "小 黑"; String ansUrl = baseUrl + generateContent(content); System.out.println("最终生成的 URL 的值为:" + ansUrl); }
运行结果:
https://example.com/resource?a=%E5%B0%8F+%E9%BB%91
粘贴到浏览器上会被浏览器解码出来给用户看到:
https://example.com/resource?a=小+黑
网页截图:
3、解决空格的问题
public static String generateContent(String content) { // 将 content 进行 url 编码 String ans; try { // -----------------------调整----------------------- ans = URLEncoder.encode(content, "UTF-8").replace("+", "%20"); } catch (UnsupportedEncodingException e) { // 处理异常情况 throw new RuntimeException(e); } return ans; } public static void main(String[] args) { String baseUrl = "https://example.com/resource?a="; String content = "小 黑"; String ansUrl = baseUrl + generateContent(content); System.out.println("最终生成的 URL 的值为:" + ansUrl); }
运行结果:
https://example.com/resource?a=%E5%B0%8F%20%E9%BB%91
粘贴到浏览器上会被浏览器解码出来给用户看到:
https://example.com/resource?a=小 黑
网页截图:
其中 %20 是空格经过编码后的结果
2、问题解决的原因
从上面的案例可以看到,如果 url 中有空格出现,且不经过特殊处理,那么将会导致浏览器无法正确解析 url,从而导致 url 重定向失败,那么问题的原因是什么呢?首先来看一下URL的组成部分
1、URL 的组成部分
下面是一个简单的 URL 链接:
http://localhost:8080/path/to/index.html?id=123#content
它主要有下面几个部分组成
-
协议:URL 的网络传输协议,如 http、https、ftp 等。表示资源访问需使用何种协议;
-
服务器名称:表示要访问的服务器主机名或 IP 地址;
-
端口(可选):服务器使用的端口号,如 http 默认的端口是 80,https 默认的端口是443,如果省略则使用该协议的默认端口;
-
路径:表示服务器上具体资源的路径信息:例如“/index.html”;
-
查询参数(可选):路径后加问号开头的查询字符串,用于传递额外的参数,如”?id=123”;
-
锚点(可选):链接内的超链接锚点定位,例如“#content”;
-
HTTP请求不包括#
💡 #是用来指导浏览器动作的,针对浏览器起作用,对服务器端完全无用访问
http://www.example.com/index.html#print
,浏览器实际发出的请求只是请求index.html,没有"#print"部分。 -
位于#后面的字符都是位置标识符
💡 在第一个#后面出现的任何字符,都会被浏览器解读为位置标识符。 这意味着,这些字符都不会被发送到服务器端。在URL中指定一个颜色值
http://www.example.com/?color=#fff
但浏览器实际发出的请求是"#fff"被省略了。只有将#转码为%23,浏览器才会将其作为实义字符处理。http://example.com/?color=%23fff
-
改变#后面的参数不会触发页面重载
-
改变#后面的参数会改变浏览器的访问历史
-
-
用户名密码(可选):用于基础的 HTTP 认证的用户名和密码;
2、URL 编码中遵循的规则
在 URL 编码过程中,会遵循以下的规则:
-
空格:替换成 + (%20)
-
/:分割目录和子目录
-
?:分割 URL 和查询
-
%:指定特殊字符
-
#:指定书签 (%23)
-
&:指定分隔参数 (%26)
-
=:指定参数的值(%3D)
3、为何 URL 中不允许包含空格和部分特殊字符
-
URL 作为资源定位符,它需要保证各个组成部分(协议、主机名、端口、路径等)之间使用统一的分隔符,通常采用斜线"/"。如果直接使用空格,很难区分路径中的空格与路径之间的分隔;
-
早期URL标准没有规定如何处理空格等特殊字符,直接包含空格可能导致解析或匹配时产生歧义;
例如:
http://www.example.com/products/product name.html
当浏览器在解析这个 URL 的时候,可能就会产生下面的歧义问题:
1、是否应该解析为两个路径组件"products/product"和"name.html”
2、搜索引擎或其他系统进行URL匹配检索时,不清楚空格是否应该作为路径分隔符来匹配; 3、攻击者可以构造歧义URL,利用空格来规避安全机制或进行异常操作;
-
包含空格特殊字符可能会破坏URL本身结构或导致安全问题;
-
包含空格可能导致传输或存储时产生问题。例如传输过程中空格是否需要编码等问题没有明确规定;