퍼센트 인코딩이 하는 일과 같은 텍스트가 세 가지로 인코딩되는 이유
URL에는 ASCII 문자 중 일부만 쓸 수 있습니다. 공백부터 é, 한까지 나머지 문자는 먼저 바이트로 바뀌고, 각 바이트는 %와 16진수 두 자리로 적힙니다(RFC 3986, 2.1절). 오늘날 거의 모든 사이트가 쓰는 UTF-8에서 é는 2바이트라 %C3%A9가 되고, 東京은 6바이트라 %E6%9D%B1%E4%BA%AC가 됩니다. 디코딩은 이 과정을 거꾸로 하므로, 어떤 문자 집합으로 바이트를 만들었는지 알아야 합니다. %93%8C%8B%9E는 Shift_JIS로는 東京이지만 UTF-8로는 읽을 수 없는 기호가 됩니다.
인코딩 방법은 텍스트가 어디로 가느냐에 따라 달라집니다. 쿼리 값이나 경로의 일부(JavaScript의 encodeURIComponent)에서는 &, =, /, ?가 구분 기호로 읽히지 않도록 인코딩해야 합니다. a b&c=d/é는 a%20b%26c%3Dd%2F%C3%A9가 됩니다. 전체 주소(encodeURI)는 이 문자들이 URL의 구조를 만들기 때문에 그대로 두어 a%20b&c=d/%C3%A9가 됩니다. HTML 폼은 application/x-www-form-urlencoded 데이터를 보내는데, 여기서는 공백이 +가 되고 * - . _만 그대로 남아 a+b%26c%3Dd%2F%C3%A9가 됩니다. 세 결과 모두 이 페이지에서 나온 것입니다.
오래된 한국어·일본어·중국어 사이트, 메일 시스템, 검색 로그는 아직 EUC-KR, Shift_JIS, EUC-JP, GBK, Big5를 씁니다. 브라우저는 이 문자 집합을 읽을 수는 있지만 쓸 수 있는 것은 UTF-8뿐이라, 이 페이지는 브라우저 자체의 디코더로 인코딩 표를 만듭니다. 検索 東京은 Shift_JIS로 %8C%9F%8D%F5%20%93%8C%8B%9E, UTF-8로 %E6%A4%9C%E7%B4%A2%20%E6%9D%B1%E4%BA%AC입니다. 어떤 줄이 올바른 UTF-8이 아니면 다른 문자 집합을 시도해 읽히는 것마다 미리 보기를 보여 줍니다. 짧은 바이트열은 여러 문자 집합에서 유효할 수 있어서, 어느 쪽이 맞는지는 사람이 보고 판단해야 하기 때문입니다.
실제 링크에서는 두 가지 문제가 자주 생깁니다. 두 번 인코딩된 링크는 공백이 있어야 할 자리에 %2520이 보입니다. %20의 %가 다시 %25로 인코딩된 것으로, 페이지는 결과에 남은 코드를 알아채고 최대 다섯 번까지 다시 디코딩하자고 제안합니다. 100% 확실 처럼 % 뒤에 16진수 두 자리가 오지 않으면, 브라우저처럼 %를 그대로 두고 확인할 수 있게 개수를 셉니다. 테스트에서 분석용 링크 9,000개(844,889자)를 디코딩하는 데 48 ms, 1,050,000자를 인코딩하는 데 0.11초가 걸렸습니다. 편집기는 최대 2,000,000자까지 받으며 긴 텍스트는 백그라운드에서 처리합니다.