了解URL编码的基本概念，在javascript和java程序中使用内置的API进行编码和解码

1.URL编码的基本概念

URL只能使用US-ASCII 字符集来通过因特网进行发送。由于URL常常会包含 ASCII 集合之外的字符，URL必须转换为有效的 ASCII 格式。URL 编码使用 "%" 其后跟随两位的十六进制数来替换非 ASCII 字符。URL 不能包含空格，URL 编码通常使用 + 来替换空格。所谓URL编码，就是将非US-ASCII字符和US-ASCII中的特殊字符,用相应的字符集编码来表示。比如，汉字”你”，如果用UTF-8编码，出现在URL中是%E4%BD%A0，如果用GBK编码出现URL中是%C4%E3。

RFC3986文档规定，URL中只允许包含英文字母（a-zA-Z）、数字（0-9）、4个特殊字符（"-" / "." / "_" / "~"）以及所有保留字符。但是由于历史原因，目前尚存在一些不标准的编码实现。例如对于"~"符号，虽然RFC3986文档规定，对于波浪符号~，不需要进行Url编码，但是还是有很多老的网关或者传输代理会将该字符进行URL编码。URL将字符分为以下4类：

1、原义字符。英文字母和阿拉伯数字、4个特殊字符可以直接出现在URL的任何地方，不需要编码，因为这些是原义字符，不具有特殊意义。鉴于历史原因，最好不要直接将"~"符号未经编码地出现在URL中，即将"~"排除在原义字符之外。

2、保留字符。往往具有特殊的含义，在URL中有着固定的作用。这些字符如果是代表特殊意义而出现，则不需要进行URL编码；如果不是作为特殊含义出现，则必须经过编码。

3、不安全字符。这类字符虽然不会引起URL的歧义，但是当他们直接放在URL中的时候，可能会引起解析程序的歧义，因此也必须进行URL编码。

4、非US-ASCII字符。 对于其他语言的字符，必须按照某个字符集，将其转换成US-ASCII字符。对于URL，一般都是用UTF-8格式进行编码。

2.URL字符分类

原义字符:

在URL中不代表特殊意义，只是作为普通字符串出现。RFC3986文档规定如下：

These includeuppercase and lowercase letters, decimal digits, hyphen, period, underscore,and tilde.

原义字符 = ALPHA / DIGIT / "-" / "."/ "_" / "~"

保留字符:

url可以划分成若干个组件，协议、主机、路径等。有一些字符（:/?#[]@）是用作分隔不同组件的。例如：冒号用于分隔协议和主机，/用于分隔主机和路径，?用于分隔路径和查询参数，等等。还有一些字符（!$&'()*+,;=）用于在每个组件中起到分隔作用的，如=用于表示查询参数中的键值对，&符号用于分隔查询多个键值对。当组件中的普通数据包含这些特殊字符时，需要对其进行编码，防止引起url歧义。

reserved = gen-delims / sub-delims

gen-delims = ":" / "/" / "?" / "#" /"[" / "]" / "@"

sub-delims ="!" / "$" / "&" / " ' " / "(" / ")" /"*" / "+" / "," / ";" / "="

RFC3986中指定了以下字符为保留字符：! * ' ( ) ; : @ & = + $ , / ? # [ ]

不安全字符[b]:[/b]
当他们直接放在Url中的时候，可能会引起解析程序的歧义。例如双引号(“”)在标签中用于限定URL的属性值。如果您想要在URL中直接包括双引号，那么可能会令浏览器感到困惑。因此，应该使用双引号的编码%22，以避免任何可能的冲突。其他保留字符和不安全字符也应该始终使用它们的编码。
不安全字符如下：< > " # % { } | \ ^ ~ [ ] ` 空格
a.空格：url在传输的过程，或者用户在排版的过程，或者文本处理程序在处理Url的过程，都有可能引入无关紧要的空格，或者将那些有意义的空格给去掉。
b.引号以及<>：引号和尖括号通常用于在普通文本中起到分隔Url的作用
c.#：通常用于表示书签或者锚点
d.%：百分号本身用作对不安全字符进行编码时使用的特殊字符，因此本身需要编码
e.{}|\^[]`~：某一些网关或者传输代理会篡改这些字符

3.java端进行URL编码/解码

JDK内置了URLEncoder和URLDecoder，用来在java端对字符进行编码和解码，具体的使用方式可以参考javadoc文档。编码和解码规则如下：

1、字母数字字符 "a" 到 "z"、"A" 到 "Z" 和 "0" 到 "9" 保持不变

2、特殊字符 "."、"-"、"*" 和 "_" 保持不变

3、空格字符 " " 转换为一个加号 "+"

4、所有其他字符都是不安全的，因此首先使用一些编码机制将它们转换为一个或多个字节。然后每个字节用一个包含 3 个字符的字符串 "%xy" 表示，其中 xy 为该字节的两位十六进制表示形式。推荐的编码机制是 UTF-8

[java]
view plaincopy





//空格的ascii码是%20,十进制的32
System.out.println(URLDecoder.decode("1%201", "UTF-8"));
//1 1

//+号被视为空格
System.out.println(URLDecoder.decode("1+1你", "UTF-8"));
//1 1你

4.javascript进行URL编码/解码

javascript中涉及URL编码的函数是：escape、encodeURI、encodeURIComponent。

escape：

该方法不会对 ASCII 字母和数字进行编码，也不会对下面这些 ASCII 标点符号进行编码：* @ - _ + . / 。其他所有的字符都会被转义序列替换。

encodeURI：

该方法不会对 ASCII 字母和数字进行编码，也不会对这些 ASCII 标点符号进行编码： - _ . ! ~ * ' ( ) 。

该方法的目的是对 URI 进行完整的编码，因此对以下在 URI 中具有特殊含义的 ASCII 标点符号，encodeURI() 函数是不会进行转义的：;/?:@&=+$,#

encodeURIComponent：

该方法不会对 ASCII 字母和数字进行编码，也不会对这些 ASCII 标点符号进行编码： - _ . ! ~ * ' ( ) 。其他字符（比如 ：;/?:@&=+$,# 这些用于分隔 URI 组件的标点符号），都是由一个或多个十六进制的转义序列替换的。

5.自己实现URL编码

JDK自带的URLEncoder，不会对特殊字符"."、"-"、"*" 和 "_" 进行编码，而这些字符可能会被js中的escapse()/encodeURI()/encodeURIComponent()函数会对某些字符进行编码，这样容易造成客户端和服务端的不一致。为了达到统一性，我们可以约定:除了英文大小写字母和阿拉伯数字外，其他所有字符都是不安全字符，需要进行URL编码。下面是我参考tomcat源码包下的org.apache.catalina.util.URLEncoder，对字符串进行URL编码工具类：

[java]
view plaincopy





package org.apache.catalina.util;

import java.io.ByteArrayOutputStream;
import java.io.OutputStreamWriter;
import java.util.BitSet;

public class URLEncoder
{
protected static final char[] hexadecimal = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D',
'E', 'F'};

// Array containing the safe characters set.
protected BitSet safeCharacters = new BitSet(256);

public URLEncoder()
{
for (char i = 'a'; i <= 'z'; i++)
{
safeCharacters.set(i);
}
for (char i = 'A'; i <= 'Z'; i++)
{
safeCharacters.set(i);
}
for (char i = '0'; i <= '9'; i++)
{
safeCharacters.set(i);
}
}

public String encode(String path) throws Exception
{
// path经过URL编码后的字符串
StringBuilder rewrittenPath = new StringBuilder(path.length());

// 字节输出流，数据被写入一个 byte数组
int maxBytesPerChar = 10;
ByteArrayOutputStream byteBuff = new ByteArrayOutputStream(maxBytesPerChar);

// 按照特定的charset,在字节流和字符流之间进行转换
OutputStreamWriter writer = new OutputStreamWriter(byteBuff, "UTF-8");

for (int i = 0; i < path.length(); i++)
{
int c = path.charAt(i);
if (safeCharacters.get(c))
{
rewrittenPath.append((char) c);
}
else
{
writer.write((char) c);
writer.flush();

// 得到字符对应的字节数组
byte[] ba = byteBuff.toByteArray();
for (int j = 0; j < ba.length; j++)
{
byte toEncode = ba[j];
rewrittenPath.append('%');

// 字节低4位的值
int low = toEncode & 0x0f;
// 字节高4位的值
int high = (toEncode & 0xf0) >> 4;

rewrittenPath.append(hexadecimal[high]);
rewrittenPath.append(hexadecimal[low]);
}
// 字节流数组清空
byteBuff.reset();
}
}
return rewrittenPath.toString();
}
}

6.参考资料

url 编码（percentcode 百分号编码）
http://www.cnblogs.com/leaven/archive/2012/07/12/2588746.html
关于URL编码
http://www.ruanyifeng.com/blog/2010/02/url_encoding.html
字符编码笔记：ASCII，Unicode和UTF-8
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html