关于 URL 编码及 JavaScript 编码函数【转载+整理】

原文地址：http://www.ruanyifeng.com/blog/2010/02/url_encoding.html

本文内容

• 引入
• 环境
• 测试
• JavaScript 编码函数

 

引入

---

URL 就是网址，只要上网，就一定会用到。

一般来说，URL 只能使用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。比如，可以有 http://www.abc.com 这样的网址，但绝对不能有 http://www.aβγ.com，包含希腊字母的网址。因为 RFC 1738 有明确的规定：

"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*'()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a 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，才可以不经过编码直接用于 URL。”

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。

下面就让我们看看，“URL编码”到底有多混乱。我会依次分析四种不同的情况，在每一种情况中，浏览器的URL编码方法都不一样。把它们的差异解释清楚之后，我再说如何用Javascript找到一个统一的编码方法。

环境

---

• Windows 2003 Server
• IE 7.0 / Fiddler2
• Firefox 7.0/17.0/ Firebug

测试

---

情况1：网址路径中包含汉字

在 IE 7.0 地址栏，输入“http://zh.wikipedia.org/wiki/春节”。注意，此时“春节”是网址路径的一部分。

图 1

图 2

在 Fiddler 查看下，发现左部分 URL 列为 /wiki/%E6%98%A5%E8%8A%82；右部分 HTTP 请求“Raw”页为 http://zh.wikipedia.org/wiki/%E6%98%A5%E8%8A%82。

“春”和“节”的 UTF-8 编码分别是 E6 98 A5 和 E8 8A 82，而 %E6%98%A5%E8%8A%82  按照顺序，在每个字节前加上百分号%，而 IE 自动将“春节”编码 UTF-8 编码。

在 Firefox 7.0/17.0 中测试，可以得到相同的结果。

图 3

因此，网址路径的编码，用的是 UTF-8 编码。

情况2：查询字符串包含汉字

在 IE 7.0 地址栏输入“http://www.baidu.com/s?wd=春节”。此时，“春节”属于查询字符串，不属于网址路径，不要与情况 1 混淆。

图 4

在 Fiddler 查看下，发现左部分 URL 列，以及右部分 HTTP 请求“Header”页，查询字符串的“春节”部分竟然是乱码。如下图所示：

图 5

图 6 上：Raw 页；下：HexView 页

再看下“Raw”页的内容，还是乱码；切换到“HexView”页，只能看十六进制了，发现“春节”转换成“B4 BA BD DA”，如下图所示：

“B4 BA BD DA”是“春节”GB2312 编码，因此，IE 将查询字符串以 GB2312 编码的格式发送出去了。

接下来看 Firefox 7.0 较低版本的处理方法，它略有不同。在地址栏输入后，按回车前与按回车后的区别，如下图所示：

图 7 左上：按回车前；右上：按回车后；下：Firebug 内容

按回车后，Firefox 7.0 自动将“春节”转换成 GB2131 编码；同样采用 GB2312 编码发送，但 Firefox 7.0 在每个字节前都加了百分号%。

但是 Firefox 17.0 高版本又不一样了，通过 Firebug 可以看到采用 UTF-8 编码。

查询字符串的编码，用的是操作系统的默认编码。

情况3：Get方法生成的URL包含汉字

前面说的是直接输入网址的情况，但是更常见的情况是，在已打开的网页上，直接用Get或Post方法发出HTTP请求。

根据台湾中兴大学吕瑞麟老师的试验，这时的编码方法由网页的编码决定，也就是由 HTML 源码中字符集的设置决定。

<meta http-equiv="Content-Type" content="text/html;charset=xxxx">

若 charset 为 UTF-8，则 URL 就以 UTF-8 编码；如果是 GB2312，URL 就以 GB2312 编码。

图 8

举例来说，百度是 GB2312 编码，Google 是 UTF-8 编码。因此，从它们的搜索框中搜索同一个词“春节”，生成的查询字符串是不一样的。

百度生成的是 %B4%BA%BD%DA，这是 GB2312 编码；Google 生成的是 %E6%98%A5%E8%8A%82，这是 UTF-8 编码。

GET 和 POST 方法的编码，用的是网页的编码。

情况4：Ajax 调用的 URL 包含汉字

前面三种情况都是由浏览器发出HTTP请求，最后一种情况则是由 Javascript 生成 HTTP 请求，也就是 Ajax 调用。还是根据吕瑞麟老师的文章，在这种情况下，IE 和 Firefox 的处理方式完全不一样。

举例来说，有这样两行代码：

url = url + "?q=" +document.myform.elements[0].value; // 假定用户在表单中提交的值是“春节”这两个字

http_request.open('GET', url, true);

那么，无论网页使用什么字符集，IE 传送给服务器的总是“q=%B4%BA%BD%DA”，而 Firefox 传送给服务器的总是“q=%E6%98%A5%E8%8A%82”。也就是说，在 Ajax 调用中，IE 总是采用 GB2312 编码（操作系统的默认编码），而 Firefox 总是采用 UTF-8 编码。

上面四种情况，不同的操作系统、浏览器、网页字符集等，都可能导致不同的编码结果。这对程序员来说，太恐怖了？是否有办法，保证客户端只用一种编码方法向服务器发出请求？当然有，使用 Javascript 先对 URL 编码，再向服务器提交，不要给浏览器插手的机会。因为，Javascript 的输出总是一致的，这就保证了服务器得到的数据是格式统一的。

Javascript 编码函数

---

escape

Javascript 有三个用于编码的函数，escape 函数是最古老的一个。虽然这个函数现在已经不提倡使用了，但是由于历史原因，很多地方还在使用它，所以有必要先从它讲起。

实际上，escape 不能直接用于 URL 编码，它的真正作用是返回一个字符的 Unicode 编码值。

>>> javascript:escape("春节")

"%u6625%u8282"

它的具体规则是，除了 ASCII 字母、数字、标点符号“@ * _ + - . /”以外，对其他所有字符进行编码。在 \u0000 到 \u00ff 之间的符号被转成%xx的形式，其余符号被转成 %uxxxx 的形式。对应的解码函数是 unescape。

所以，“Hello World”的escape()编码就是“Hello%20World”。因为空格的 Unicode 值是20（十六进制）。

>>> javascript:escape("Hello World")

"Hello%20World"

还有两个地方需要注意。

首先，无论网页的原始编码是什么，一旦被 Javascript 编码，就都变为 Unicode 字符。也就是说，Javascipt 函数的输入和输出，默认都是 Unicode 字符。这一点对下面两个函数也适用。

>>> javascript:escape("\u6625\u8282")

"%u6625%u8282"

>>> javascript:unescape("%u6625%u8282")

"春节"

>>> javascript:unescape("\u6625\u8282")

"春节"

其次，escape() 不对“+”编码。但是我们知道，网页在提交表单的时候，如果有空格，则会被转化为+字符。服务器处理数据的时候，会把+号处理成空格。所以，使用的时候要小心。

encodeURI

encodeURI 函数是 Javascript 中真正用来对 URL 编码的函数。相应的解码函数为 decodeURI 函数。

它着眼于对整个 URL 进行编码，因此除了常见的符号以外，对其他一些在网址中有特殊含义的符号“; / ? : @ & = + $ , #”，也不进行编码。编码后，它输出符号的 UTF-8 形式，并且在每个字节前加上百分号%。

>>> javascript:encodeURI("http://www.isp.com/app.cgi?arg1=1&arg2=Hello World")

"http://www.isp.com/app.cgi?arg1=1&arg2=Hello%20World"

>>> javascript:encodeURI("春节")

"%E6%98%A5%E8%8A%82"

>>> javascript:decodeURI("%E6%98%A5%E8%8A%82")

"春节"

>>> javascript:encodeURI("\u00a9")

"%C2%A9"

>>> javascript:decodeURI("\u00a9")

"©"

>>> javascript:decodeURI("%C2%A9")

"©"

需要注意的是，它不对单引号'编码。

encodeURIComponent

最后一个 Javascript 编码函数是 encodeURIComponent 函数，相应的解码函数为 decodeURIComponent。与 encodeURI 函数区别是，它用于对 URL 的组成部分进行个别编码，而不用于对整个 URL 进行编码。

因此，“; / ? : @ & = + $ , #”，这些在 encodeURI 中不被编码的符号，在 encodeURIComponent 中统统会被编码。至于具体的编码方法，两者是一样。

>>> javascript:encodeURIComponent("mail@example.com")

"mail%40example.com"

>>> javascript:encodeURI("mail@example.com")

mail@example.com