关于URL编码

          我们知道HTTP请求参数，必须使用请求参数名称与请求参数值，中间有等号(=)表示成对关系，现在问题来了，如果请求参数值本身包括"="符合怎么办？又或许你想发送的请求参数值是http://openhome.cc这个值呢？假设是GET请求，则不能直接这么在地址栏上输入：

http://openhome.cc/addBookmar.do?url=http://openhome.cc

1、保留字符

在URI的规范中定义了一些保留字符(Reserved character),如":"、“ /”、“?”、“&”、“=”、“@”、“%”等字符，在URI中都有它的作用。如果要在请求参数上表达URI中的保留字符，必须在%字符之后以十六进制表示方式，来表示该字符的八个位数值。

        例如，“:“字符真正储存时的八个位为00111010，用十六进制数值来表示则为3A，所以必须使用”%3A“来表示”:“；”/“字符储存时的八个为00101111，用十六进制表示为2F，所以必须使用“%2F”来表示“/”字符，所以若发送的请求参数值是http://openhome.cc,则必须使用以下格式：

http://openhome.cc/addBookmar.do?url=http%3A%2F%2Fopenhome.cc

这是URI规范中的百分比编码（Percent-Encoding)，也就是俗称的URI编码或URL编码。如果想知道某个字符的URL编码是什么，在Java中可以使用java.net.URLEncoder类的静态encode()方法来做这个编码的动作（相对地，要译码则使用java.net.URLDecoder的静态decode()方法）。例如：

String text = URLEncoder.encode("http://openhome.cc","ISO-8859-1");

知道这些有什么用？例如，你想给某人一段URL，让他直接单击就可以连到你想要让他看到的网页，你给他的URL在请求参数部分就要注意URL编码。

不过在URI之前，HTTP在GET、POST时也对保留字作了规范，这与URI规范的保留字有所差别。其中一个差别就是在URI规范中，空格符的编码为%20，而在HTTP规范中空白的编码为”+“，java.net.URLEncoder类的静态方法encode()产生的字符串，空格符的编码就为”+“。

2、中文字符

另一个差别就是，URI规范的URL编码，针对的是字符UTF-8编码的八个位数值，如果请求参数都是ASCII字符，那没什么问题，因为UTF-8编码与在ASCII字符的编码部分是兼容的，也就是使用一个字节，编码方式就如先前所述。

但在非ASCII字符方面，如中文，在UTF-8编码下，会使用三个字节来表示。例如，”林“这个字在UTF-8编码下的三个字节，对应至十六进制数值表示就是E6、9E、97，所以在URI规范下，请求参数中要包括”林“这个中文，表示方式就是”%E6%9E%97“。例如：

http://openhome.cc/addBookmar.do?lastName=%E6%9E%97

有些初学者会直接打开浏览器输入如下所示内容，说：”URL也可以直接打开中文啊！“

http://openhome.cc/addBookmar.do?lastName=林

不过你可以将地址栏复制，黏贴到纯文本文件中，就会看到URI编码的结果，这其实是现在的浏览器很聪明，会自动讲上述的URI编码显示为中文。（上面一段我验证后在文本中其实也显示的是中文，暂还不知道什么原因。）无论如何，在URI规范上若以上方式发送请求参数，服务器端处理请求参数时，必须使用UTF-8编码来取得正确的林字符。我在这有个疑问，就是中文字不是3个字节吗？那解析的时候怎么就认定按3个字字节来解析，因为中文中3个字节单独的字节也是可以是特殊字符的。

然而在HTTP规范下的URL编码，并不限制使用UTF-8，例如在一个BIG5网页中，若窗体使用GET发送”林“这个中文字，则地址栏中会出现：

http://openhome.cc/addBookmar.do?lastName=%AA%4C

这是因为”林“这个中文字的BIG5编码为2个字节，若以十六进制表示，则分别为AA，4C。如果通过窗体发送，由于网页是BIG5编码，则浏览器会自动将”林“编码为”%AA%4C“，服务器端处理请求参数时，就必须指定BIG5编码，以取得正确的”林“汉字字符。

若使用java.net.URLEncoder类的静态encode()方法来作这个编码的动作，则可以像下面这样得到”%AA%4C“的结果：

string text = URLEncoder.encode(”林“，”BIG5“）；

同理可推，如果网页是UTF-8编码，而你通过窗体发送，则浏览器会自动将”林“编码为”%E6%9E%97".若使用java.net.URLEncoder类的静态encode()方法来作这个编码的动作，则可以像下面这样得到”%E6%9E%97"的结果：

string text = URLEncoder.encode(”林“，”UTF-8“）；

知道这些要作什么？你应该感觉到了：”我们会发送中文“。中文是如何编码的？到服务器后端又是如何译码的？这些问题必须要搞清楚。随便问个”为什么我收到的是乱码？“、”为什么数据库中是乱码？“，往往解决不了问题。如果具备这些基础知识，相信对你的理解有帮助。（摘自JSP&SERVLET学习笔记）