URLencodeURLencode其实是对URI进行编码，而不是对URL进行编码。什么是URI？统一资源标识符（URI，UniformResourceIdentifier）是用来标识一个资源的字符串。它规定了如下语法：从上图可以看出，一个有效的URI至少包含scheme、:和path（路径），比如触发操作系统的emailaction的经典Mailto格式[1]：mailto：john.doe@example.com└──┬──┘└────────────────────────────────┘SchePath其他可选组合路径，例如scheme://hostpath?query#fragment将是我们常用的url格式：userinfohostport┌──┴────┐┌────────┴─────────┐┌┴┐https://john.doe@www.example.com:123/forum/questions/?tag=networking&order=newest#top└─┬─┘└──────────────────────────────────────────────────────e──────────────────┘└┬┘schemeauthoritypathqueryfragmentURI包含URLsandURNsURL:UniformResourceLocator（统一资源定位器）：定义了如何查找资源URN:UniformResourceName（统一资源名称）：定义了这个简单的说，资源的唯一名称就是：URL：我们的地址当前网站，用什么协议（http,ftp）访问，地址路径在哪里（bilibili.com,abc.com）等。URN：我要获取的资源有一个唯一的名字。如果我过去提供，统一中心会解析URN。无论资源迁移到哪里，只要它存在，它就会归还给你。移动URL后，它不再是有效地址，您需要一个新地址来定位此资源。由于历史原因，URN一直没有流行起来，所以在某种程度上，URL和URI看起来很相似。ReservedCharacters（保留字符）URI规定以下字符应保留用于特殊用途：!*'();:@&=+$,/?#[]来自RFC3986section2.2ReservedCharacters(January2005)，如？参数，/用于分割url，&用于拼接query等，保留字符各有作用。因此，当需要传递此类字符而不是作为特殊字符使用时，不能直接将其放入url中，需要进行编码，这就是urlencode的作用。encode很简单，转换保留字符如？转化为ASCII[2]的十六进制表示（?是3F），在前面加一个%表示这是一个编码字符，即？需要编码成%3F放在url中，所以url编码也叫Percent-encoding。在实际应用中如下url中，需要传入跳转BACK_URL参数new_login.com?a=12时，是否需要传递？follow=g.https://third_party_login.com?BACK_URL=new_login.com?a=12应该将其转换为https://third_party_login.com?BACK_URL=new_login.com%3Fa%3D12这样下面的?and=不会被处理，但可以作为BACK_URL参数的一部分传递给后端。http协议中headers的content-type中常见的application/x-www-form-urlencoded规定了请求体应该是URL编码的。gbk、Unicode、UTF-8鉴于珠玉在先，我梳理一下Unicode和UTF-8的区别？[3]的内容还可以：简单来说：Unicode就是“字符集”UTF-8就是“编码规则”字符集：给每个“字符”分配一个唯一的ID（学名是codepoint/codepoint/CodePoint）编码规则：将“码点”转换成字节序列的规则（编码/解码可以理解为加密/解密过程）详细过程：国人对ASCII码进行了扩充改造，产生了GB2312码，可表示6000多个常用汉字。汉字太多，包括繁体字和各种字，所以产生了GBK编码，其中包含了GB2312中的编码，扩充了很多。中国是一个多民族国家，几乎每个民族都有自己独立的语言系统。为了表示那些字符，GBK码继续扩展为GB18030码。每个国家，比如中国，都有自己的语言编码，所以出现了各种各样的编码。如果不安装对应的代码，就无法说明对应的代码想表达什么。终于，一个叫ISO（国际标准化组织）的组织看不下去了。他们一起创建了一个名为UNICODE（通用多八位字节编码字符集）的代码，它非常大，可以容纳世界上任何文本和标志。所以只要电脑有UNICODE编码系统，不管世界上是什么文字，你只要把文件保存成UNICODE编码，其他电脑就可以正常解读了。直到因特网的出现，Unicode才得以长期推广。为了解决Unicode如何在网络上传输的问题，出现了很多面向传输的UTF（UCSTransferFormat）标准。在UNICODE的网络传输中，出现了UTF-8和UTF-16两种标准，分别传输8位和16位。UTF-8，顾名思义，就是一组以8位为编码单元的变长编码。那么有人会有疑惑，既然UTF-8可以保存这么多的字符和符号，为什么国内还有这么多人使用GBK等编码呢？因为UTF-8等编码的体积比较大，占用的计算机空间也很大。大部分用户是中国人，也可以使用GBK等编码。直到因特网的出现，Unicode才得以长期推广。为了解决Unicode如何在网络上传输的问题，出现了很多面向传输的UTF（UCSTransferFormat）标准。顾名思义，UTF-8每次都是8位。一位传输数据，而UTF-16是一次传输16位。UTF-8是Internet上使用最广泛的unicode实现。这是一种为传输而设计的编码，使编码无边界，从而可以显示世界上所有文化的字符。UTF-8最大的特点之一就是它是一种变长编码方式。它可以用1~4个字节来表示一个符号，字节长度根据不同的符号而不同。当字符在ASCII码范围内时，用一个字节表示，ASCII字符的一个字节的编码保留为它的一部分，注意unicode中一个汉字占2个字节，而unicode中的一个汉字UTF-8占用3个字节）。从unicode到utf-8不是直接对应，而是需要一些算法和规则进行转换。参考资料[1]mailto格式：https://www.wikiwand.com/en/Mailto[2]ASCII：https://www.wikiwand.com/en/American_Standard_Code_for_Information_Interchange[3]Unicode和UTF有什么区别-8？:https://www.zhihu.com/question/23374078/answer/69732605本文转载自微信公众号《山尽头写东西的缓存》，可以通过以下二维码关注。转载本文请联系写东西的cache公众号。
