URL编码

URL编码又称为百分号编码,编码方式很简单,就是把单个字节用16进制表示,然后在其前面放置一个百分号。
比如有"abc"这样一个串,我们把他转换成ascii的字节序后,用16进制表示成这样:
        61 62 63
把他进行百分号编码就是在各个字节前加上“%”,结果如下:
        %61%62%63

在URL的表示中并非所有的字符都需要进行百分号编码,RFC3986(URI规范)中规定保留字符和非保留字符可以不用编码,其它字符必须用百分号编码。
RFC1738(URL规范)规定保留和非保留字符可以直接用于URL中。

保留字符:
       ! * ' ( ) ; : @ & = + $ , / ? # [ ]
非保留字符:
       a-z A-Z 0-9 - _ . ~

在一个URL中,如果一个保留字符在特定上下文中有特殊含义,而这个保留字在URL中又有特殊目的,那么该字符必须百分号编码。
比如"/",在URL中表示路径分隔符,如果某个路径包含该字符,那么在路径内的该字符就必须进行百分号编码,否则就会和真正的路径分隔符产生歧义.

还有一种需要进行百分号编码的就是”其它字符“,所谓的其它字符就是在保留字符和非保留字符之外的字符,比如ascii码的非显示字符、汉字字符等。

通过前面我们知道,对一个字符进行百分号编码前需要得到该字符的字节流形式,也就是说我们需要根据某种字符编码,将该字符转换成字节流,应该用哪种字符编码(比如GBK、UTF-8等)在RFC1738中并没有给出,所以各个程序(比如浏览器)有自的方式,但是在2005年1月RFC3986做出了强制规定,强制"其它字符"要先转换为UTF-8字节序列,然后对其字节值进行百分号编码。

对"a中"这个字符串对其百分号编码的过程大概如下:
   1)将串转换成utf-8编码形式的字节流,那么就是0x61 E4 B8 AD
   2)顺序取一个字节,是非保留字?
   3)是,则该字节不用编码,直接输出该字节表示的ascii字符
   4)不是,则证明该字节需要编码，先输出"%"再输出该字节的16进制大写形式
   5)如果还有下一个字节则执行步骤 3),如此循环直到编码完成
   6)最后结果 "a%E4%B8%AD"

对"a%E4%B8%AD"串的解码过程如下:
   1)将字符串转变为字节流
   2)顺序取一个字节,标记字节位置为i,比较该字节是否是'%'
   3)不是,直接输出
   4)是,取(i+1)位置字节左移4位 + (i+2)位置字节&0xF ,然后输出
   5)跳过两个字节,如果还有下一字节则执行步骤 3), 如此循环完成解码

好，有了上面的知识后我们在看一下浏览器对URL的编码是不是跟规范一样。
首先说下URL的组成:
   {http://www.jd.com[/app/中国]} ? (name=val中)
   {}:代表URL (绝对URI)
   []:代表URI (相对URI,这种标示符依赖具体的环境)
   ():代表Query String

直接地址栏中输入,对URI则在IE8、chrome、firefox浏览器上发现都是用UTF-8进行百分号编码的.
但是对query string,IE8用的是未经过百分号编码的GBK原码(可能用的操作系统的编码);chrome、firefox上用的是utf-8进行百分号编码。

在网页中嵌套的URL,对于URL的路径部分,IE8、chrom、firefox用的是UTF-8编码进行百分号编码。
对于query string部分,这三种浏览器采用的是http响应头头中的
  Content-Type:text/html; charset=gbk 指定;
如果未指定则用页面中的
  <meta http-equiv="Content-Type" content="text/html;charset=gbk">指定。

通过以上我们可以知道,各个浏览器对于URL的路径部分使用的编码方式和规范一致,但是对于Query string部分稍有差别.

另外说下javascript的encodeURI()方法,该方法对保留字符不进行编码,比如以下字符不进行编码:
  a-z A-Z 0-9  - _ . ! ~ * ' ( ) ; / ? : @ & = + $ , #
所以如果某个URL的数据部分包含特殊的保留字符,用该方法编码该数据后可能无法区分该字符是数据的一部分还是URL的一部分(比如路径分隔符).

所以javascript就有了encodeURIComponent()方法,从名字上就可以看到该方法对URL的"成份"进行编码,用它编码后可以明确区分某个字符是"成份"还是URL的特殊分隔符。
该方法不对非保留字符编码,如:
   a-z A-Z 0-9 - _ . ~
其他字符都做编码。