HTTP URL编码

URL 就是平时我们所说的网址，一般来说 URL 只能使用英文字母、阿拉伯数字和一些英文的标点符号组成。其实在网络中 URL 并不是可以直接拿来使用的，因为 URL 中可以携带一些参数，出于安全考虑，需要使用 ASCII 字符集对其编码后才可以使用。

ASCII 的全称是 American Standard Code for Information Interchange，中文是“美国信息交换标准代码”的意思，它是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。ASCII 是最通用的信息交换标准，ASCII 第一次发表是在 1967 年，最后一次更新则是在 1986 年，到目前为止共定义了 128 个字符。

URL 的编码原则是，使用安全的字符（没有特殊用途或者特殊意义的字符）来表示那些不安全的字符。只有英文字母（a-zA-Z）、数字（0-9）、- _ . ~4 个特殊字符以及所有保留字符才可以不经编码直接使用。

在 URL 编码的过程中，会执行以下操作步骤：

• 将所有认为“不安全”的字符转换为“%xx”的形式，其中 xx 是字符的十六进制 ASCII 值；

• 将空格转换为加号或者“%20”，将加号转换为“%2B”。

下表中列出了要替换的字符、ASCII 码和替换后的字符。

以请求“http://c.biancheng.net/HTTP URL”这一 URL 为例，因为 URL 中包含一个空格，所以在请求时会把这个空格转换为“%20”，具体的 HTTP 请求如下所示：

GET /HTTP%20URL HTTP/1.1
Host: c.biancheng.net
...

前面主要介绍的主要是纯英文的 URL，那如果 URL 中包含中文的话该怎么办呢？由于 ASCII 字符集中并不包含中文的编码，所以客户端会将 URL 里面的中文进行 UTF-8 编码，例如“中”字的 UTF-8 编码为“E4 B8 AD”，那么经过客户端转码后“中”字会被转换为“%E4%B8%AD”。以访问“http://www.51sjk.com/Upload/Articles/1/0/330/330480_20220923115621517.jpg URL 为例，HTTP 请求如下所示：

GET /?name=C%E8%AF%AD%E8%A8%80%E4%B8%AD%E6%96%87%E7%BD%91 HTTP/1.1
Host: c.biancheng.net
Connection: keep-alive
Pragma: no-cache
Cache-Control: no-cache
Upgrade-Insecure-Requests: 1

通过上面的 HTTP 请求可以看出，客户端直接将 URL 中的“C语言中文网”转换成了“C%E8%AF%AD%E8%A8%80%E4%B8%AD%E6%96%87%E7%BD%91”。