Html编码（实体编码，Url）小结

Html实体编码

1.数字表示法

实体编码如名字一样，因为在编写Html时会有正常情况无法输入的字符，比如空格之类的。所以采用字符的数字表示法和实体表示法，来表示正常情况无法输入的字符，用以逃脱了浏览器的限制

由于一些原因，HTML 语言并不能显示所有的Unicode编码，所以为了解决问题，HTML使用 Unicode 码点表示字符，这样浏览器会自动将码点转成对应的字符。其中Unicode编码简称万国码，它的字符长度不可变长，一个英文占1个字节，一个汉字占3个字节，UTF-8 编码作为 Unicode字符集的一种表达方式，即为可变长的Unicode码。

每个字符有一个 Unicode 号码，称为码点（code point）。如果知道码点，那么就能查到这是什么字符。

字符的码点表示法主要有以下两种：

1. &#N;（十进制，N代表码点
2. &#xN;（十六进制，N代表码点）

比如，字符a可以写成a（十进制）,a（十六进制）,\u0061;（十六进制）,浏览器会自动转换它们。


注意：进制对应（python演示）

bin 二进制
oct 八进制
int 十进制
hex 十六进制

2.实体表示法

HTML 为一些特殊字符，规定了容易记忆的名字，实体的写法是&name;，其中的name是字符的名字。

• <：<
• >：>
• "："
• '：'
• &：&
• ©：©
• #：#
• §：§
• ¥：¥
• $：$
• £：£
• ¢：¢
• %：%
• *：$ast;
• @：@
• ^：^
• ±：±
• 空格： 

Url编码

URL 是“统一资源定位符”（Uniform Resource Locator）的首字母缩写，中文译为“网址”，表示各种资源的互联网地址

URL 的各个组成部分，只能使用以下这些字符。

• 26个英语字母（包括大写和小写）

• 10个阿拉伯数字

• 连词号（-）

• 句点（.）

• 下划线（_）

URL 字符转义的方法是，是在字符的十六进制 ASCII 码前面加上百分号（%）

• !：%21
• #：%23
• $：%24
• &：%26
• '：%27
• (：%28
• )：%29
• *：%2A
• +：%2B
• ,：%2C
• /：%2F
• :：%3A
• ;：%3B
• =：%3D
• ?：%3F
• @：%40
• [：%5B
• ]：%5D
• 空格：%20

字符转义在实现网页上的一些绕过时必不可少，举例来说，有一个网页的 URL 是foo?bar.html，即文件里面包含一个问号，那么需要写成foo%3Fbar.html。

URL 的合法字符，其实也可以采用这种转义方法，但是不建议使用。比如，字母a的十六进制 ASCII 码是61，转义形式后就是%61。因此，www.apple.com又可以写成www.%61pple.com，浏览器一样识别。

补充：

Url由协议、主机、端口、路径、查询参数以及锚点组成

协议端口

其中主要协议端口如下：

http -> 80
https -> 443
ftp -> 20 21
telnet -> 23
ssh -> 22
DNS -> 53
dhcp -> 67 68
pop3 -> 110
ladp(域控制器) -> 389
mysql 3306
sqlserver-> 1433
Oracle -> 1521
windows远程连接 -> 3389
redis nosql -> 6379