江苏龙网

  1. 首页 > 资讯 > 科技 > >

中年|大侠稍等！URL 中为何出现奇怪的字符( 二 )


虽然， 这不会影响图片的打开 ， 地址依旧是有效的 。 但是为什么浏览器要把中文转换成这种奇怪的形式呢？
我们先来看一个例子 。 如果访问下面这个 URL 链接：
https://www.baidu.com/s?wd=?#!
这是使用百度进行搜索的一个链接 ，/s 后面跟着的 ? 代表请求参数（query） ， 也就是我们想向请求的服务器提交一些参数 。 wd 为百度规定的查询参数名 ， wd 后边跟着的就是需要搜索的内容 。

我们想搜索 ?#! 这个内容 ， 可是当你复制这个链接放在浏览器中打开时 ， 会发现一个问题 ， 百度仅仅是搜索了 ? 这个内容 ， #! 不见了 。
中年|大侠稍等！URL 中为何出现奇怪的字符
本文插图

为什么呢？如果你仔细看上面那张 URL 的构成图 ， 会发现 URL 结构中还有一个锚点（fragment）的部分 ， 分隔符号就是 # 。
所以这里就会出现一个问题 ， 我们的业务需求是将 # 当做一个普通文本来进行搜索 ， 但是 # 在 URL 中有特定的意思 ， 所以浏览器就遇到了一个解释歧义的问题 。
中年|大侠稍等！URL 中为何出现奇怪的字符
本文插图

这就引申出一个问题 ， URL 在数据传递中 ， 如果存在用作分隔符等特殊作用的保留字符怎么办？
在实际的业务场景中 ， 会经常碰到一些在 URL 中有歧义性的数据 ， 为了避免解释错误 ， 开发者想出了一个解决方法 ， 就是对这些数据进行一定的处理 ， 从而解决歧义的问题 。 处理的方法有很多种 ， 最常用的处理方式 ， 就是对歧义性的数据进行 URL 百分号编码 。
哪些是会引起歧义的数据呢？
根据 RFC 3986（https://tools.ietf.org/html/rfc3986#appendix-A）的规定 ， 我们可以得到下面的结果 。
不在 ASCII 码范围内的字符 （URL 使用 ASCII 码进行编解码）
ASCII 码中不可显示的字符

URL 中规定的保留字符
不安全字符（传输环节中可能会被不正确处理） ， 如空格、引号、尖括号等
保留字符由组件分隔符（gen-delims）和子组件分隔符（sub-delims）组成 ， 这些字符在 URL 中都有特殊的意义：
Reserved = gen-delims / sub-delims
gen-delims = ":" / "/" / "?" / "#" / "[" / "]" / "@"
sub-delims = "!" / "$" / "&amp" / """ / "(" / ")" / "*" / "+" / "," / "" / "="
URL 中可以直接使用的非保留字符则有：
Unreserved = ALPHA / DIGIT / "-" / "." / "_" / "~"
ALPHA：%41 - %5A AND %61 - %7A （英文字母大写 A-Z 以及英文字小写 a-z）
DIGIT：%30 - %39 （数字 0-9）
-: %2D .: %2E _: %5F
~: %7E （某些服务实现将其作为保留字符 ， 一般也需要进行编码处理）
这下子我们就了解了 ， 为什么 URL 中有时会出现奇怪的字符 ， 很多时候浏览器会自动帮我们做编码和解码的操作 。 就像“向日葵”的 URL 一样 ， 中文部分因为并不在 ASCII 码中 ， 于是浏览器进行 URL 百分号编码的形式来进行访问 。
【中年|大侠稍等！URL 中为何出现奇怪的字符】（又拍云服务名的合法范围就是在非保留字符中获取 ， 而不能指定为任意字符）
编码的形式
最常见的编码形式就是百分号编码（pct-encoded） ， 这也是浏览器默认的编码形式 。pct-encoded = "%" HEXDIG HEXDIG

百分号编码一个保留字符, 首先需要把该字符的 ASCII 的值表示为两个 16 进制的值, 然后在其前面放置转义字符（%） 。 对于非 ASCII 字符, 则需要转换为 UTF-8 字节序, 然后每个字节按照上述方式表示 。
（感兴趣的同学可以参考百分号编码 https://zh.wikipedia.org/zh-hans/%E7%99%BE%E5%88%86%E5%8F%B7%E7%BC%96%E7%A0%81 条目）


推荐阅读


上一篇：互联网|云聚烟台 智赢未来，京东云(山东半岛)数字经济产业园落地

下一篇：人工智能|18个月AI训练芯片一次性流片成功创记录，燧原科技被寄予行业领军企业希望