URL编码

url中文编码

含中文的URL需要编码后才能在网络中传输，对于下面这个URL
http://www.oschina.net/search?scope=bbs&q=流行
编码为http://www.oschina.net/search?scope=bbs&q=%E6%B5%81%E8%A1%8C
这个例子中对流行UTF-8编码，每个汉字编码成3个%xx。
如果使用gbk(GB2312)编码，一个汉字对应两组%xx，即%xx%xx

一个好用的在线编码转换器：https://tool.oschina.net/encode?type=2

unicode 与utf-32、utf-16

Unicode 是字符集，UTF-8 是编码规则

• Unicode为世界上所有字符都分配了一个唯一的数字编号，这个编号范围从 0x000000 到 0x10FFFF(十六进制)，有110多万，每个字符都有一个唯一的Unicode编号，这个编号一般写成16进制，
• 它是一种规定，Unicode本身只规定了每个字符的数字编号是多少，并没有规定这个编号如何存储。比如：马的Unicode为：U+9A6C

utf32指将Unicode编码直接按二进制存储

• 每个字符实际需要24bit，但考虑到计算机的存储器是方便处理32位的数据而不方便处理24位的数据，所以一个utf-32编码的字符占4个字节
• 由于存储和处理单元是32位所以需要考虑大小端的问题。

UTF-16使用变长字节表示

• 对于编号在U+0000到U+FFFF的字符（常用字符集），直接用两个字节表示。
• 编号在 U+10000到U+10FFFF之间的字符，需要用四个字节表示。
• UTF-16 也有字节的顺序问题（大小端），所以就有UTF-16BE表示大端，UTF-16LE表示小端。

utf-8

UTF-8就是使用变长字节表示,顾名思义，就是使用的字节数可变，这个变化是根据 Unicode 编号的大小有关，编号小的使用的字节就少，编号大的使用的字节就多。使用的字节个数从1到4个不等。

UTF-8的编码规则：

• 对于单字节的符号，字节的第一位设为0，后面的7位为这个符号的Unicode码，因此对于英文字母，UTF-8编码和ASCII码是相同的。

② 对于n字节的符号（n>1）,第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10，剩下的没有提及的二进制位，全部为这个符号的Unicode码 。

Unicode编号范围与对应的UTF-8二进制格式 ：