Каждый символ в веб-адресе должен происходить из небольшого безопасного набора, согласованного со всеми браузерами, серверами, прокси-серверами и журналами. Когда вам нужно поместить в ссылку что-то за пределами этого набора - пробел, амперсанд, букву с диакритическим знаком или эмодзи - сначала необходимо закодировать URL. URL-кодирование, также называемое процентным кодированием, - это стандарт, который заменяет эти символы знаком процента, за которым следует их байтовое значение в шестнадцатеричном формате, поэтому пробел становится %20, а & становится %26. В этом руководстве объясняется, что такое URL-кодирование, какие символы в ней нуждаются, как работает формат %XX, а также выбор encodeURIComponent и encodeURI, который сбивает с толку большинство разработчиков, - с работающими примерами, которые вы можете скопировать.
Быстрый ответ
URL-кодирование (процентное кодирование) заменяет небезопасные или зарезервированные символы в URL на %, за которым следуют две шестнадцатеричные цифры, представляющие байт символа в UTF-8. Пробел становится %20, амперсанд становится %26, а ударенная е (é) становится %C3%A9. Используйте encodeURIComponent для отдельных значений, которые вы добавляете в URL, и encodeURI для полного URL, который вы не хотите разбивать на части.
Что такое URL-кодирование?
URL-кодирование - это способ представления символов в URL (Uniform Resource Locator) с использованием только ограниченного, универсально безопасного набора символов. Стандарт URL (RFC 3986) допускает буквальное появление лишь нескольких символов: букв ASCII A-Z и a-z, цифр 0-9 и нескольких символов. Все остальное - пробелы, большая часть знаков препинания и все неанглийские символы - должно быть преобразовано в последовательность с процентным кодированием, прежде чем оно сможет безопасно перемещаться внутри ссылки.
Причина в том, что URL проходят через множество систем, и некоторые символы имеют для этих систем особое значение. Пробел можно опустить беззвучно или превратить в +, # запускает фрагмент, а ? запускает строку запроса. Процентное кодирование устраняет неоднозначность, превращая любой проблемный символ в код, который означает «это данные, а не разделитель».
Зарезервированные и незарезервированные символы
Спецификация URL разбивает символы на группы. Зная, что есть что, вы точно подскажете, что нужно кодировать, а что следует оставить в покое.
Незарезервированные символы (никогда не кодируются)
Эти символы всегда безопасно использовать как есть в любой части URL и их не нужно кодировать:
- Прописные буквы: A-Z.
- Строчные буквы: a-z
- Цифры: 0-9
- Четыре символа: дефис (-), подчеркивание (_), точка (.) и тильда (~).
Зарезервированные символы (кодируются при использовании в качестве данных)
Зарезервированные символы выполняют в URLе особую функцию - они действуют как разделители, отделяющие одну часть от другой. Они в безопасности только тогда, когда выполняют эту работу. Если зарезервированный символ появляется внутри значения, а не в качестве разделителя, его необходимо закодировать, чтобы его нельзя было принять за разделитель.
- Разделители пути и полномочий: / : @
- Разделители запросов и фрагментов: ? # & =
- Подразделители: ! $ & ' ( ) * + , ; =
Например, & в https://example.com/search?q=cats&sort=new разделяет два query-параметра, поэтому он остается литералом. Но если вы ищете фразу "cats & dogs", & внутри этого значения должно стать %26 - иначе сервер прочитает &dogs как второй параметр.
Объяснение формата %XX
Процентное кодирование следует одному простому правилу: за знаком процента (%) следуют две шестнадцатеричные цифры. Эти две цифры представляют собой значение одного байта, записанного в системе счисления 16 (от 00 до FF, т. е. от 0 до 255 в десятичном формате). Чтобы закодировать символ, вы ищете его байтовое значение и записываете его после %.
- Пробел равен 32 в десятичном формате, что соответствует 20 в шестнадцатеричном формате, поэтому пробел становится %20.
- Амперсанд & равен 38 десятичному = 26 шестнадцатеричному, поэтому & становится %26.
- Знак равенства = равен 61 десятичному = 3D-шестнадцатеричному, поэтому = становится %3D.
- Знак вопроса? 63 десятичное = 3F шестнадцатеричное - так? становится %3F.
Символы в диапазоне ASCII (0-127) представляют собой один байт, поэтому они всегда кодируются в одну последовательность %XX. Символы вне ASCII сначала преобразуются в байты UTF-8, которые могут составлять два, три или четыре байта, и каждый байт становится отдельным %XX. Вот почему буква é с акцентом (U+00E9) кодируется как %C3%A9: ее форма UTF-8 - это два байта C3 и A9.
encodeURIComponent vs encodeURI - когда использовать каждый
JavaScript предоставляет вам две встроенные функции для процентного кодирования, и выбор неправильной функции является наиболее распространенной ошибкой при кодировании URL. Разница в том, какие зарезервированные символы они оставляют в покое.
encodeURIComponent - для одного значения
encodeURIComponent кодирует почти все, что не является незарезервированным символом, включая зарезервированные разделители / ? : @ & = + $ #. Используйте его для одного фрагмента данных, который вы вставляете в URL - одного значения параметра запроса, одного сегмента пути или поля формы. Поскольку символы & и = экранируются, значение, содержащее их, не нарушит окружающую строку запроса.
encodeURI - для всего URL
encodeURI предназначен для кодирования полного, уже собранного URL. Он оставляет зарезервированные разделители нетронутыми - :, /, ?, #, & и = проходят без изменений - поэтому URL сохраняет свою структуру. Он кодирует только символы, которые нигде не допустимы, например пробелы. Используйте его, если у вас есть полный URL, который может содержать недопустимые символы, и вы не хотите изменять его части.
Эмпирическое правило
Кодируйте части, а не целое. Создайте URL, сначала запустив encodeURIComponent для каждого отдельного значения, а затем объединив их с помощью &, =, / и ? разделители самостоятельно. Обращайтесь к encodeURI только тогда, когда вам будет передана полная строка URL для очистки.
Два практических замечания: encodeURIComponent не экранирует символы! ' ( ) *, поэтому строгому синтаксическому анализатору может потребоваться замена их вручную. И никогда не кодируйте уже закодированную строку - при этом каждый % превращается в %25, поэтому %20 становится %2520, классическая ошибка двойного кодирования, приводящая к неработающим ссылкам.
Работающие примеры
Вот как выглядят обычные символы до и после кодирования. Каждая строка читается как символ - что это такое - закодированная форма.
- Пробел - разделитель слов - %20 (+ также используется для пробелов в строках запроса; см. ниже)
- & - амперсанд - %26
- = - знак равенства - %3D
- ? - вопросительный знак - %3F
- / - косая черта - %2F
- # - начало хеша/фрагмента - %23
- + - знак плюса - %2B
- é - e с острым ударением (не ASCII, 2 байта UTF-8) - %C3%A9
- 😀 - эмодзи (4 байта UTF-8) - %F0%9F%98%80
Кодирование значения с помощью пробелов и символов
Допустим, вы хотите передать поисковую фразу "cats & dogs = fun" как одно значение query. Вызов encodeURIComponent для нее дает cats%20%26%20dogs%20%3D%20fun. Каждый пробел, & и = экранируются, поэтому вся строка считается одним значением, а не тремя отдельными параметрами.
Полный пример строки запроса
Собрав все вместе, представьте себе страницу поиска, которая принимает запрос и категорию. Вы кодируете каждое значение отдельно, а затем собираете URL:
- Исходное значение query: cats & dogs
- Исходное значение category: pets/animals
- Закодированный query: cats%20%26%20dogs
- Закодированная category: pets%2Fanimals
- Итоговый URL: https://example.com/search?q=cats%20%26%20dogs&category=pets%2Fanimals
Обратите внимание: & и = между q=... и category=... остаются литералами, потому что они работают как разделители, а & внутри значения query и / внутри category закодированы, потому что это данные. Именно этого вы добиваетесь, кодируя каждое значение через encodeURIComponent и собирая части URL сами.
Пробел: %20 или +?
В пути URL пробел всегда равен %20. В строке запроса более старая кодировка формы (application/x-www-form-urlencoded) вместо пробела использует +. Оба декодируют обратно в пробел, но не везде они взаимозаменяемы - при декодировании проверяйте, использовал ли источник %20 или +, чтобы вы правильно восстановили исходный текст.
Часто задаваемые вопросы
Что такое URL-кодирование простыми словами?
URL-кодирование - это способ безопасного включения специальных символов в веб-адрес, заменяя их знаком % и двузначным кодом. Поскольку URL могут содержать только ограниченный набор символов, все остальное - например, пробел, амперсанд или буква с диакритическим знаком - преобразуется в его эквивалент с процентной кодировкой (пробел становится %20), поэтому ссылка остается действительной.
Почему URL содержат %20?
%20 - это форма пробела в процентном кодировании. Пробелы в URLе не допускаются, поэтому, если ссылка их содержит (часто из имени файла или поискового запроса), она заменяется на %20. Когда страница загружается, сервер или браузер декодирует %20 обратно в пробел.
В чем разница между encodeURI и encodeURIComponent?
encodeURIComponent кодирует одно значение и экранирует зарезервированные разделители (& = ? / #), что делает его правильным для одного параметра запроса или сегмента пути. encodeURI кодирует весь URL, оставляя разделители нетронутыми, поэтому адрес сохраняет свою структуру. Используйте encodeURIComponent для частей и encodeURI для полного URL.
Какие символы необходимо закодировать в URL?
Только незарезервированные символы - A-Z, a-z, 0-9 и - _ . ~ - всегда в безопасности. Все остальное должно быть закодировано, когда оно появляется внутри значения: пробелы, большая часть знаков препинания, зарезервированные разделители (/ ? : @ & = + $ , ; # ! ' ( ) *) и все символы, отличные от ASCII, такие как буквы с диакритическими знаками и эмодзи.
URL-кодирование совпадает с шифрованием или Base64?
Нет. URL-кодирование не является шифрованием и не обеспечивает никакой безопасности. Это полностью обратимое преобразование текста, которое только делает безопасное перемещение символов в URLе, и каждый может мгновенно его декодировать. Он также отличается от Base64, который перекодирует двоичные данные в 64-символьный алфавит для другой цели.
Как декодировать строку в URL-кодирование?
Обратный процесс: каждая последовательность %XX преобразуется обратно в байт, который она представляет, а последовательные байты считываются как UTF-8 для восстановления таких символов, как é или эмодзи. В JavaScript это делает decodeURIComponent; инструмент декодера URL делает то же самое в вашем браузере и показывает явную ошибку, если входные данные имеют неверную последовательность, например одинокий %.
Мгновенно закодируйте или декодируйте URL
Используйте бесплатный URL Encoder / Decoder, чтобы процентно закодировать любой текст или декодировать закодированный URL - переключайтесь между encodeURIComponent и encodeURI в один клик, все выполняется в вашем браузере.