URLEncoder

今天写代码要发起一个HTTP GET请求，WebService接口我们随处可见，作为一个“业务程序员”我们也每天都在写。。。所以指尖跳动，分分钟就出现了下面的代码：

try {
            encode = URLEncoder.encode(JsonUtil.convertObject2Json(reqParamsMap), "UTF-8").replace("\\+", "%20");
        } catch (UnsupportedEncodingException e) {
            logger.error("URLEncoder.encodec出错： ", e);
        }

撸完码我回头看了一眼，我习以为常的URL编码，到底是为什么呢？我想大概是怕传输数据中的特殊字符造成什么不可预知的问题吧。

工作完成，测试没有问题。我今天打算打破砂锅问到底，让我们一探究竟，到底为什么要编码？

知道了How，我们还要知道Why！！！

找资料

打开bing，国际搜索（梯子断了很久了……）在​​stackoverflow​​上看到也有很多人提出了这个问题，很多的人回答都指向了一个RFC

RFC(Request For Comments)-意即“请求评议”，包含了关于Internet的几乎所有重要的文字资料。
通常，当某家机构或团体开发出了一套标准或提出对某种标准的设想，
想要征询外界的意见时，就会在Internet上发放一份RFC，
对这一问题感兴趣的人可以阅读该RFC并提出自己的意见；

绝大部分网络标准的指定都是以RFC的形式开始，经过大量的论证和修改过程，
由主要的标准化组织所指定的，但在RFC中所收录的文件并不都是正在使用或为大家所公认的，
也有很大一部分只在某个局部领域被使用或并没有被采用，
一份RFC具体处于什么状态都在文件中作了明确的标识.

​​RFC1738​​

可以看到这个RFC是小LEE提出来的，里面规定了很多东西，比如url的格式、编码、字符，还有很多scheme，我没看全，看到了FTP和HTTP。

总结一波

URL（统一资源定位符）是万维网中资源的地址。URL具有明确定义的结构，该结构由​​万维网​​​的发明者​​Tim Berners-Lee​​​在​​RFC 1738​​中提出。

每个网址都采用通用语法，如下所示：

scheme:[//[user:password@]host[:port]]path[?query][#fragment]

​​[user:password@]​​由于安全原因，不建议使用URL语法的某些部分，因此很少使用。以下是您在互联网上经常看到的URL的示例-

https://www.google.com/search?q=hello+world#brs

对定义统一资源定位符（URL）语法的初始RFC进行了许多改进。当前定义通用URI语法的​​RFC​​​是​​RFC 3986​​。这篇文章包含最新RFC文档中的信息。

URL由属于US-ASCII字符集的有限字符集组成。这些字符包括数字（0-9），字母（AZ，az），以及一些特殊字符（​​"-"​​​，​​"."​​​，​​"_"​​​，​​"~"​​）。

ASCII控制字符（例如退格，垂直制表符，水平制表，换行等），不安全的字符像​​space​​​，​​\​​​，​​<​​​，​​>​​​，​​{​​​，​​}​​等等，以及ASCII字符以外的任何字符被不允许直接的URL内放置。

此外，URL中有些字符具有特殊含义。这些字符称为保留字符。的保留字符的一些例子是​​?​​​，​​/​​​，​​#​​​，​​:​​等作为URL的一部分发送，无论是在查询字符串或路径段，必须不包含这些字符的任何数据。

那么，当我们需要在URL中传输包含这些不允许的字符的任何数据时，我们该怎么办？好吧，我们对它们进行编码！


URL编码将URL中保留的，不安全的和非ASCII字符转换为所有Web浏览器和服务器普遍接受并理解的格式。它首先将字符转换为一个或多个字节。然后，每个字节由两个十六进制数字表示，后跟一个百分号（​​%​​​）-（例如​​%xy​​）。百分号用作转义字符。


URL编码也称为百分比编码，因为它使用百分号（​​%​​）作为转义字符。

URL编码示例

空格：您可能会遇到的最常见的URL编码字符是​​space​​​。​​space​​​十进制字符的ASCII码为​​32​​​，转换为十六进制时为​​20​​​。现在，我们在十六进制表示形式之前加一个百分号（​​%​​​），这使我们获得了URL编码值- ​​%20​​。

+: 看到我一开始代码里的replace，那是因为：

w3c的规定是空格被替换为​​+​​​，Java中的URLEncoder正式这种情况，会把空格转成​​+​​

这就会导致在一些遵循RFC的应用上无法解码或其他问题，所以我们取一个折中的方法，要在​​URLEncoder.encode()​​​之后把​​+​​​替换为​​%20​​

ASCII字符编码参考

下表是ASCII字符对其相应的URL编码形式的引用。


请注意，不需要编码字母数字ASCII字符。例如，您不需要编码字符​​'0'​​​以​​%30​​如图所示下表。可以原样发送。但是根据RFC编码仍然有效。表格中所有可以安全地在URL中传输的字符都显示为绿色。


下表使用RFC 3986中定义的URL编码规则。

Decimal

Character

URL Encoding (UTF-8)

0

NUL(null character)

%00

1

SOH(start of header)

%01

2

STX(start of text)

%02

3

ETX(end of text)

%03

4

EOT(end of transmission)

%04

5

ENQ(enquiry)

%05

6

ACK(acknowledge)

%06

7

BEL(bell (ring))

%07

8

BS(backspace)

%08

9

HT(horizontal tab)

%09

10

LF(line feed)

%0A

11

VT(vertical tab)

%0B

12

FF(form feed)

%0C

13

CR(carriage return)

%0D

14

SO(shift out)

%0E

15

SI(shift in)

%0F

16

DLE(data link escape)

%10

17

DC1(device control 1)

%11

18

DC2(device control 2)

%12

19

DC3(device control 3)

%13

20

DC4(device control 4)

%14

21

NAK(negative acknowledge)

%15

22

SYN(synchronize)

%16

23

ETB(end transmission block)

%17

24

CAN(cancel)

%18

25

EM(end of medium)

%19

26

SUB(substitute)

%1A

27

ESC(escape)

%1B

28

FS(file separator)

%1C

29

GS(group separator)

%1D

30

RS(record separator)

%1E

31

US(unit separator)

%1F

32

space

%20

33

!

%21

34

“

%22

35

#

%23

36

$

%24

37

%

%25

38

&

%26

39

‘

%27

40

(

%28

41

)

%29

42

*

%2A

43

+

%2B

44

,

%2C

45

-

%2D

46

.

%2E

47

/

%2F

48

0

%30

49

1

%31

50

2

%32

51

3

%33

52

4

%34

53

5

%35

54

6

%36

55

7

%37

56

8

%38

57

9

%39

58

:

%3A

59

;

%3B

60

<

%3C

61

=

%3D

62

>

%3E

63

?

%3F

64

@

%40

65

A

%41

66

B

%42

67

C

%43

68

D

%44

69

E

%45

70

F

%46

71

G

%47

72

H

%48

73

I

%49

74

J

%4A

75

K

%4B

76

L

%4C

77

M

%4D

78

N

%4E

79

O

%4F

80

P

%50

81

Q

%51

82

R

%52

83

S

%53

84

T

%54

85

U

%55

86

V

%56

87

W

%57

88

X

%58

89

Y

%59

90

Z

%5A

91

[

%5B

92

\

%5C

93

]

%5D

94

^

%5E

95

_

%5F

96

`

%60

97

a

%61

98

b

%62

99

c

%63

100

d

%64

101

e

%65

102

f

%66

103

g

%67

104

h

%68

105

i

%69

106

j

%6A

107

k

%6B

108

l

%6C

109

m

%6D

110

n

%6E

111

o

%6F

112

p

%70

113

q

%71

114

r

%72

115

s

%73

116

t

%74

117

u

%75

118

v

%76

119

w

%77

120

x

%78

121

y

%79

122

z

%7A

123

{

%7B

124

|

%7C

125

}

%7D

126

~

%7E

127

DEL(delete (rubout))

%7F