一、問題的由來
URL就是網址，隻要上網，就一定會用到。
一般來說，URL隻能使用英文字母、阿拉伯數字和某些标點符号，不能使用其他文字和符号。比如，世界上有英文字母的網址"http://www.abc.com"，但是沒有希臘字母的網址"http://www.aβγ.com"（讀作阿爾法-貝塔-伽瑪.com）。這是因為網絡标準做了硬性規定：
"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*‘()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL." "隻有字母和數字[0-9a-zA-Z]、一些特殊符号"$-_.+!*‘(),"[不包括雙引号]、以及某些保留字，才可以不經過編碼直接用于URL。"
這意味着，如果URL中有漢字，就必須編碼後使用。但是麻煩的是，RFC
1738沒有規定具體的編碼方法，而是交給應用程式（浏覽器）自己決定。這導緻"URL編碼"成為了一個混亂的領域。
下面就讓我們看看，"URL編碼"到底有多混亂。我會依次分析四種不同的情況，在每一種情況中，浏覽器的URL編碼方法都不一樣。把它們的差異解釋清楚之後，我再說如何用Javascript找到一個統一的編碼方法。
二、情況1：網址路徑中包含漢字
打開IE（我用的是8.0版），輸入網址"http://zh.wikipedia.org/wiki/春節"。注意，"春節"這兩個字此時是網址路徑的一部分。
檢視HTTP請求的頭資訊，會發現IE實際查詢的網址是"http://zh.wikipedia.org/wiki/%E6%98%A5%E8%8A%82"。也就是說，IE自動将"春節"編碼成了"%E6%98%A5%E8%8A%82"。
我們知道，"春"和"節"的utf-8編碼分别是"E6 98 A5"和"E8 8A
82"，是以，"%E6%98%A5%E8%8A%82"就是按照順序，在每個位元組前加上%而得到的。（具體的轉碼方法，請參考我寫的。）
在Firefox中測試，也得到了同樣的結果。是以，結論1就是，網址路徑的編碼，用的是utf-8編碼。
三、情況2：查詢字元串包含漢字
在IE中輸入網址"http://www.baidu.com/s?wd=春節"。注意，"春節"這兩個字此時屬于查詢字元串，不屬于網址路徑，不要與情況1混淆。
檢視HTTP請求的頭資訊，會發現IE将"春節"轉化成了一個亂碼。
切換到十六進制方式，才能清楚地看到，"春節"被轉成了"B4 BA BD DA"。
我們知道，"春"和"節"的GB2312編碼（我的作業系統"Windows XP"中文版的預設編碼）分别是"B4 BA"和"BD
DA"。是以，IE實際上就是将查詢字元串，以GB2312編碼的格式發送出去。
Firefox的處理方法，略有不同。它發送的HTTP
Head是"wd=%B4%BA%BD%DA"。也就是說，同樣采用GB2312編碼，但是在每個位元組前加上了%。
是以，結論2就是，查詢字元串的編碼，用的是作業系統的預設編碼。
四、情況3：Get方法生成的URL包含漢字
前面說的是直接輸入網址的情況，但是更常見的情況是，在已打開的網頁上，直接用Get或Post方法發出HTTP請求。
根據台灣中興大學，這時的編碼方法由網頁的編碼決定，也就是由HTML源碼中字元集的設定決定。
<meta http-equiv="Content-Type" content="text/html;charset=xxxx">
如果上面這一行最後的charset是UTF-8，則URL就以UTF-8編碼；如果是GB2312，URL就以GB2312編碼。
舉例來說，百度是GB2312編碼，Google是UTF-8編碼。是以，從它們的搜尋框中搜尋同一個詞"春節"，生成的查詢字元串是不一樣的。
百度生成的是%B4%BA%BD%DA，這是GB2312編碼。
Google生成的是%E6%98%A5%E8%8A%82，這是UTF-8編碼。
是以，結論3就是，GET和POST方法的編碼，用的是網頁的編碼。
五、情況4：Ajax調用的URL包含漢字
前面三種情況都是由浏覽器發出HTTP請求，最後一種情況則是由Javascript生成HTTP請求，也就是Ajax調用。還是根據呂瑞麟老師的文章，在這種情況下，IE和Firefox的處理方式完全不一樣。
舉例來說，有這樣兩行代碼：
url = url + "?q=" +document.myform.elements[0].value; //
假定使用者在表單中送出的值是"春節"這兩個字
http_request.open(‘GET‘, url, true);
那麼，無論網頁使用什麼字元集，IE傳送給伺服器的總是"q=%B4%BA%BD%DA"，而Firefox傳送給伺服器的總是"q=%E6%98%A5%E8%8A%82"。也就是說，在Ajax調用中，IE總是采用GB2312編碼（作業系統的預設編碼），而Firefox總是采用utf-8編碼。這就是我們的結論4。
六、Javascript函數：escape()
好了，到此為止，四種情況都說完了。
假定前面你都看懂了，那麼此時你應該會感到很頭痛。因為，實在太混亂了。不同的作業系統、不同的浏覽器、不同的網頁字元集，将導緻完全不同的編碼結果。如果程式員要把每一種結果都考慮進去，是不是太恐怖了？有沒有辦法，能夠保證用戶端隻用一種編碼方法向伺服器送出請求？
回答是有的，就是使用Javascript先對URL編碼，然後再向伺服器送出，不要給浏覽器插手的機會。因為Javascript的輸出總是一緻的，是以就保證了伺服器得到的資料是格式統一的。
Javascript語言用于編碼的函數，一共有三個，最古老的一個就是escape()。雖然這個函數現在已經不提倡使用了，但是由于曆史原因，很多地方還在使用它，是以有必要先從它講起。
實際上，escape()不能直接用于URL編碼，它的真正作用是傳回一個字元的Unicode編碼值。比如"春節"的傳回結果是%u6625%u8282，也就是說在Unicode字元集中，"春"是第6625個（十六進制）字元，"節"是第8282個（十六進制）字元。
它的具體規則是，除了ASCII字母、數字、标點符号"@ * _ + - .
/"以外，對其他所有字元進行編碼。在\u0000到\u00ff之間的符号被轉成%xx的形式，其餘符号被轉成%uxxxx的形式。對應的解碼函數是unescape()。
是以，"Hello World"的escape()編碼就是"Hello%20World"。因為空格的Unicode值是20（十六進制）。
還有兩個地方需要注意。
首先，無論網頁的原始編碼是什麼，一旦被Javascript編碼，就都變為unicode字元。也就是說，Javascipt函數的輸入和輸出，預設都是Unicode字元。這一點對下面兩個函數也适用。
其次，escape()不對"+"編碼。但是我們知道，網頁在送出表單的時候，如果有空格，則會被轉化為+字元。伺服器處理資料的時候，會把+号處理成空格。是以，使用的時候要小心。
七、Javascript函數：encodeURI()
encodeURI()是Javascript中真正用來對URL編碼的函數。
它着眼于對整個URL進行編碼，是以除了常見的符号以外，對其他一些在網址中有特殊含義的符号"; / ? : @ & = + $ ,
#"，也不進行編碼。編碼後，它輸出符号的utf-8形式，并且在每個位元組前加上%。
它對應的解碼函數是decodeURI()。
需要注意的是，它不對單引号‘編碼。
八、Javascript函數：encodeURIComponent()
最後一個Javascript編碼函數是encodeURIComponent()。與encodeURI()的差別是，它用于對URL的組成部分進行個别編碼，而不用于對整個URL進行編碼。
是以，"; / ? : @ & = + $ ,
#"，這些在encodeURI()中不被編碼的符号，在encodeURIComponent()中統統會被編碼。至于具體的編碼方法，兩者是一樣。
它對應的解碼函數是decodeURIComponent()。
（完）
版權聲明：自由轉載-非商用-非衍生-保持署名 |
原文網址：
最後修改時間：2014年5月15日 17:44
付費支援： |