百分號編碼做了什麼,以及同一段文字為什麼有三種編碼方式
URL 中只能出現一小部分 ASCII 字元。其他字元,從空格到 é 或 東,都要先轉換成位元組,每個位元組寫成 % 加兩位十六進位數字(RFC 3986 第 2.1 節)。如今幾乎所有網站都使用 UTF-8:é 佔兩個位元組,編碼為 %C3%A9;東京 佔六個位元組,編碼為 %E6%9D%B1%E4%BA%AC。解碼就是把這些步驟倒過來,因此解碼器必須知道位元組是用哪種字元集生成的:%93%8C%8B%9E 按 Shift_JIS 讀是 東京,按 UTF-8 讀則是亂碼。
編碼方式取決於文字要放在哪裡。查詢參數值或路徑片段(JavaScript 中的 encodeURIComponent)必須編碼 &、=、/ 和 ?,以免被當作分隔符:a b&c=d/é 變成 a%20b%26c%3Dd%2F%C3%A9。完整地址(encodeURI)會保留這些字元,因為它們構成了 URL 的結構:a%20b&c=d/%C3%A9。HTML 表單傳送 application/x-www-form-urlencoded 資料,其中空格寫成 +,只有 * - . _ 保持原樣:a+b%26c%3Dd%2F%C3%A9。這三個結果都來自本頁面。
一些較舊的中文、日文和韓文網站、郵件系統和搜尋日誌仍在使用 GBK、Big5、Shift_JIS、EUC-JP 或 EUC-KR。瀏覽器能讀取這些字元集,卻只能寫出 UTF-8,所以本頁面用瀏覽器自帶的解碼器生成編碼表:検索 東京 按 Shift_JIS 編碼為 %8C%9F%8D%F5%20%93%8C%8B%9E,按 UTF-8 編碼為 %E6%A4%9C%E7%B4%A2%20%E6%9D%B1%E4%BA%AC。當某一行不是有效的 UTF-8 時,頁面會嘗試其他字元集,併為每個能讀出這一行的字元集顯示預覽。較短的位元組序列可能在多個字元集中都有效,只有人才能判斷哪種讀法說得通。
實際連結中常見兩個問題。編碼了兩次的連結會在本該是空格的地方顯示 %2520,因為 %20 中的 % 又被編碼成了 %25;頁面發現結果中還殘留編碼時,會提示再解碼一次,最多五輪。如果 % 後面沒有跟兩位十六進位數字,例如「100% 確定」,頁面會像瀏覽器一樣保留這個 %,並計數供你檢查。在我們的測試中,解碼 9,000 條統計連結(844,889 個字元)用了 48 ms,編碼 1,050,000 個字元用了 0.11 秒。編輯器最多可容納 2,000,000 個字元,長文字在後臺處理。