URL 编码原理:百分号编码、%20 和 + 的区别

讲清 URL 编码原理:哪些字符必须编码、百分号编码和 UTF-8 是什么关系、空格什么时候是 %20 什么时候是 +,以及怎样避免重复编码。

阅读约 3 分钟

URL 里只能出现有限的一部分 ASCII 字符。其他字符,包括空格、带重音的字母、中文,以及在 URL 里有特殊含义的符号,都必须做百分号编码。规则由 RFC 3986 定义。理解这套规则,也就是理解 url编码原理:把不安全的字符变成服务端能正确解析的安全形式,同时完成 url特殊字符转义,避免歧义。如果你还想知道 urlencode是什么,简单说,它就是把任意文本安全地放进 URL 的编码过程。

百分号编码的原理

先把字符转成 UTF-8 字节,再把每个字节写成 % 加两位十六进制数:

字符 UTF-8 字节 编码结果
空格 20 %20
& 26 %26
é C3 A9 %C3%A9
你 E4 BD A0 %E4%BD%A0

所以 café & crème 编码后是 caf%C3%A9%20%26%20cr%C3%A8me。可以在 URL 编码 / 解码 工具里试试。

哪些字符需要编码

RFC 3986 把字符分成三类:

类别 字符 规则
非保留字符 A–Z a–z 0–9 - . _ ~ 永远不用编码
保留字符 : / ? # [ ] @ ! $ & ' ( ) * + , ; = 作为数据(而不是 URL 结构)出现时要编码
其他字符 空格、%、"、<、>、非 ASCII 字符等 一律编码

保留字符负责分隔 URL 的各个部分:? 表示查询参数开始,& 分隔参数,# 表示片段开始。如果搜索词本身含有 &,就必须写成 %26,否则服务端会以为那里开始了一个新参数。这正是 url特殊字符转义 的核心目的:让保留字符在作为数据出现时不会被误读为结构分隔符。

空格是 %20 还是 +?

两种写法都很常见,但含义并不一样:

  • 在 URL 路径里,空格是 %20,路径里的 + 就是加号本身。
  • 在 HTML 表单提交的查询字符串(application/x-www-form-urlencoded)里,空格是 +,真正的加号要写成 %2B。

%20 在两种场合都安全。解码来自表单的查询字符串时,要把 + 当作空格,URL 解码 工具就是这样处理的。

encodeURIComponent 还是 encodeURI?

JavaScript 有两个编码函数,用错是很常见的 bug:

函数 不编码的字符 适用场景
encodeURIComponent A–Z a–z 0–9 - _ . ! ~ * ' ( ) 单个值:一个查询参数或一段路径
encodeURI 以上字符,外加 ; , / ? : @ & = + $ # 已经拼好的完整 URL

encodeURI("https://example.com/a b?q=café") 的结果是 https://example.com/a%20b?q=caf%C3%A9,URL 结构保持不变。但把它用在单个值上就错了:值里的 & 不会被编码,查询参数会被拆坏。

很多时候最稳妥的做法是让平台来拼查询参数。new URLSearchParams({ q: 'café & crème' }).toString() 的结果是 q=caf%C3%A9+%26+cr%C3%A8me,用的是表单编码,空格写成 +。

其他语言

语言 编码单个值 表单风格(空格写成 +)
Python urllib.parse.quote(s, safe='') urllib.parse.quote_plus(s)
Java URLEncoder.encode(s, StandardCharsets.UTF_8) 是表单风格;用在路径里要把 + 换成 %20 同左
PHP rawurlencode($s) urlencode($s)
Go url.PathEscape(s) url.QueryEscape(s)

避免重复编码

对已经编码过的文本再编码一次,% 会变成 %25:%20 变成 %2520,用户看到的就是“%20”而不是空格。每个值只在放进 URL 的那一刻编码一次,读取时也只解码一次。如果日志里出现了 %25,说明某个地方编码了两次。

动手试试

URL 编码 / 解码 工具可以在“参数值”和“完整 URL”两种编码方式之间切换,解码时把 + 当作空格,还会列出粘贴进来的 URL 的全部查询参数。