パーセントエンコーディングの仕組みと、同じ文字列に3通りのエンコードがある理由
URLに使えるのは、ASCIIのごく一部の文字だけです。スペースからé、東まで、それ以外の文字はまずバイト列に変換され、各バイトが%と2桁の16進数で書かれます(RFC 3986、2.1節)。現在ほとんどのサイトが使うUTF-8では、éは2バイトで%C3%A9に、東京は6バイトで%E6%9D%B1%E4%BA%ACになります。デコードはこの手順を逆にたどるため、どの文字コードでバイト列が作られたかを知っている必要があります。%93%8C%8B%9EはShift_JISなら東京と読めますが、UTF-8では読めない記号になります。
エンコードの仕方は、テキストの行き先で変わります。クエリ値やパスの一部(JavaScriptのencodeURIComponent)では、&、=、/、?が区切り記号と誤解されないようにエンコードが必要です。a b&c=d/éはa%20b%26c%3Dd%2F%C3%A9になります。URL全体(encodeURI)では、これらの記号はURLの構造を作るのでそのまま残り、a%20b&c=d/%C3%A9になります。HTMLフォームが送るapplication/x-www-form-urlencoded形式では、スペースが+になり、* - . _だけがそのまま残ってa+b%26c%3Dd%2F%C3%A9になります。3つの結果はいずれもこのページで出したものです。
古い日本語・韓国語・中国語のサイト、メールシステム、検索ログでは、今もShift_JIS、EUC-JP、EUC-KR、GBK、Big5が使われています。ブラウザーはこれらの文字コードを読めても、書き出せるのはUTF-8だけです。そこでこのページは、ブラウザー自身のデコーダーから変換表を作っています。検索 東京はShift_JISなら%8C%9F%8D%F5%20%93%8C%8B%9E、UTF-8なら%E6%A4%9C%E7%B4%A2%20%E6%9D%B1%E4%BA%ACです。ある行がUTF-8として正しくない場合は、ほかの文字コードを試し、読めたものそれぞれのプレビューを表示します。短いバイト列は複数の文字コードで有効なことがあり、どの読み方が正しいかは人が見て判断するしかないためです。
実際のリンクでよく起きる問題が2つあります。二重にエンコードされたリンクでは、スペースのはずの場所に%2520が出ます。%20の%がもう一度%25にエンコードされたためで、ページは結果に残ったコードに気づき、最大5回まで再デコードを提案します。また「100% sure」のように%の後に16進数2桁が続かない場合は、ブラウザーと同じく%をそのまま残し、確認できるよう件数を表示します。テストでは、アクセス解析のリンク9,000件(844,889文字)のデコードに48 ms、1,050,000文字のエンコードに0.11秒かかりました。エディターは最大2,000,000文字まで扱え、長い文章はバックグラウンドで処理します。