安全初级：字符编码

字符编码

字符编码：是一种映射规则，根据映射规则将字符映射成其他形式的数据在计算机中存储和传输。

常用的编码

编码	制定时间	作用
ASCII	1967	表示英语及西欧语言
GB2312	1980	国家简体中文字符集，兼容ASCII
Unicode	1991	国际标准化组织统一标准字符集
GBK	1995	GB2313的拓展字符集，支持繁体字，兼容GB2312
UTF-8	19912	不定长编码

ASCII码

GB2312编码

GB2312编码是第一个汉字编码国家标准，由中国国家标准总局1980年发布，1981年5月1日开始使用。GB2312编码共收录汉字6763个，其中一级汉字3755个，二级汉字3008个。同时，GB2312编码收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。

GB2312编码范围：A1A1-FEFE

汉字的编码范围：B0A1-F7FE

分区表示
GB2312编码对所收录字符进行了“分区”处理，共94个区，每区含有94个位，共8836个码位。这种表示方式也称为区位码。
01-09区收录除汉字外的682个字符。
10-15区为空白区，没有使用。
16-55区收录3755个一级汉字，按拼音排序。
56-87区收录3008个二级汉字，按部首/笔画排序。
88-94区为空白区，没有使用。

举例：GB2312的第一个汉字是”啊“字，位于16区的01位，那么它的区位码就是1601。

双字节编码
GB2312规定对收录的每个字符采用两个字节表示，第一个字节为“高字节”，对应94个区；第二个字节为“低字节”，对应94个位。所以它的区位码范围是：0101－9494。区号和位号分别加上0xA0就是GB2312编码。

UTF-8编码

网页可以使用不同语言的编码，最常用的编码是UTF-8。

Unicode字符集旨在收集世界上所有的字符，目前已经收入了十多万个字符。UTF-8编码也是Unicode字符集的其中一种表示方法。

码点（code point）：每个字符的Unicode号码

字符的码点表示方法：

• 十进制：&#N（N代表码点 ascii编码）
• 十六进制：&#xN（N代表码点 ascii编码）

**可变长度字符编码：**UTF-8 使用一至四个字节对 Unicode 字符集中的所有有效代码点进行编码。

• UTF-8 使用 1 个字节表示 ASCII 字符；
• UTF-8 使用 2 个字节表示带有附加符号的拉丁文、希腊文等；
• UTF-8 使用 3 个字节表示其他基本多文种平面（BMP）中的字符（包含了大部分常用字，如大部分的汉字）；
• UTF-8 使用 4 个字节表示 Unicode 辅助平面的字符。

字符	实体表示法	字符	实体表示法
<	&lt;	>	&gt;
"	&quot;	’	&apos;
&	&amp;	©	&copy;
#	&num;	§	&sect;
¥	&yen;	$	&dollar;
£	&pound;	¢	&cent;
%	&percnt;	*	$ast;
@	&commat;	^	&Hat;
±	&plusmn;	空格	&nbsp;

Unicode符号范围（十六进制）	UTF-8编码（二进制）
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

URL

URL是”统一资源定位符“（Uniform Resource Locator），中文为”网址“，即各种资源的互联网网址。

https://www.example.com:80/path/index.html

网址的组成部分

协议-域名/IP-端口-路径-查询参数-锚点

协议

协议是浏览器请求服务器资源的方法，如https://就是表示使用了HTTPS协议。

HTTPS是HTTP的加密版本，现在的网站中，大部分都是使用HTTPS协议来保障自身网站的安全。

主机

主机（host）也称域名，https://www.example.com:80/path/index.html的域名就是www.example.com，当然，不是所有的主机都有域名，没有域名的主机是使用自己的IP地址。

端口

一个域名有可能有很多个网站，这之间通过端口（port）来进行区分。

端口是跟在域名后面，用冒号分隔开。如www.example.com:80

常见协议及端口号

协议	端口号
HTTP	80
HTTPS	443
FTP	20/21
SMTP	25
POP3	110
IMAP	143
DHCP	67/68
Telnet	23
SSH	22
NTP	123
SNMP	161/162
RDP	3389
ICQ	7
SIP	5060/5061

常见服务及端口

服务	端口
mysql	3306
sqlserver	1433
oracle	1521
Windows远程连接	3389
redis	6379

路径

路径（path）是资源在网站的位置。如https://www.example.com:80/path/index.html的/path/index.html就是路径。

查询参数

查询参数（parameter）是提供给服务器的额外信息。参数放在路径的后面，使用？分隔。

查询参数可以是一组或多组，每一组都使用键值对的形式，键名和键值之间用=连接，多组参数之间使用&连接。

URL字符

URL的组成部分只能使用以下字符

• 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（_）

还有18个字符是URL的保留字符，网址在使用这些字符时，需要进行转义。

字符转义的方法就是在字符的十六进制ASCII码前面加上%。

字符	转义形式
！	%21
#	%23
$	%24
&	%26
’	%27
(	%28
)	%29
*	%2A
+	%2B
,	%2C
/	%2F
:	%3A
;	%3B
=	%3D
?	%3F
@	%40
[	%5B
]	%5D

HTTP状态码

常见的状态码：

状态码200：

状态码200表示服务器响应成功，就是服务器找到了客户端请求的内容，并且将内容返回给客户端。

状态码302：

状态码302代表临时跳转。例如：URL地址A可以向URL地址B上跳转，但这并不是永久性的，在经过一段时间后，URL地址A还可能向URL地址C上跳转。

状态码301 ：
状态码301和状态码302相似，不同的是状态码301往往代表的是永久性的重定向，值得注意的是，这种重定向跳转，从严格意义来讲不是服务器跳转，而是客户端跳转的。这个“跳”的动作是服务器是通过回传状态码301来下达给客户端的，让客户端完成跳转。

状态码304：
服务器通过返回状态码304可以告诉客户端请求资源成功，但是这个资源不是由服务器提供返回给客户端的，而是客户端本地浏览器缓存中就有的这个资源，因为可以从缓存中获取这个资源，从而节省传输的开销。

状态码403：
状态码403代表请求的服务器资源权限不够，也就是说，没有权限去访问服务器的资源，或者请求的IP地址被封掉了。

状态码404：
状态码404代表服务器上没有该资源，或者说服务器找不到客户端请求的资源，是最常见的请求错误码。

状态码500：
状态码500代表程序错误，也就是说请求的网页程序本身报错了。在服务器端的网页程序出错。