java的URL编码和JS的URl问题

应用场景

url中包含中文及特殊字符 , url中需要嵌套另一个url时 , 如需要向第三方发送get请求 , 然后需要提供一个回调地址 , 这是就是把url作为参数值放入url中 , 这个url必然是合法的url , 但仍然不能直接拼接到url中, 会导致浏览器无法解析 . 所以需要进行url编码之后再进行拼接.

URL编码的来源

URL编码定义

网络标准RFC 1738做了硬性规定：URL只有字母和数字[0-9a-zA-Z]、一些特殊符号“$-_.+!*‘(),”[不包括双引号]、以及某些保留字。

这意味着，如果URL中有汉字，就必须编码后使用。但是麻烦的是，RFC 1738没有规定具体的编码方法，而是交给应用程序（浏览器）自己决定。这导致"URL编码"成为了一个混乱的领域

ASCLL码

我们知道，计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。

https://www.w3cschool.cn/htmltags/html-urlencode.html ASCII码对照表

ASCLL码存在的问题

1.就是表示数量问题：
英语用128个符号编码就够了，但是用来表示其他语言，汉字有10W左右，那么又如何表示呢
2. 标准不统一： 不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如：130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号（这个就是之前计算机老是乱码的软件的原因）

UNICODE字符集

字符集：为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）
如果一个字节一个字符，一个字节是8位。并且只要您从未将字符串从一台计算机移动到另一台计算机，或者说一种以上的语言，它总是可以正常工作的。但是，一旦Internet出现，将字符串从一台计算机移到另一台计算机就变得很普遍了，整个混乱局面逐渐恶化。幸运的是，已经发明了Unicode
无论平台，程序或语言是什么，Unicode都会为每个字符提供唯一的数字

UNCODE的问题？

1.规则太死：如果每个字符都是用4个字节来表示，那么其实造成了内存上的很大浪费，特别是在使用英语的计算器。
2.已经有了使用ASCII码和其他字符集的所有这些文档，怎么兼容它们呢？

UTF-8 编码规则：

将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）

UTF-8是这样做的：

1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；
2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。
   这样就形成了如下的UTF-8标记位：
   0xxxxxxx110xxxxx 10xxxxxx1110xxxx 10xxxxxx 10xxxxxx11110xxx 10xxxxxx 10xxxxxx 10xxxxxx111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

UNICODE和UTF-8转换？

1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；
2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。
   举例：
   测的UNICODE？ \u6d4b 二进制： 110 1101 0100 1011？
   它的UTF-8格式：1110xxxx 10xxxxxx 10xxxxxx
   1110 0110 1011 0101 1000 1011
   UTF-8的编码：e6b58b %E6%B5%8B