URL編碼問題

url編碼緣由

咱們都知道url的形式中對於query子段是以?開始的key=value對，每一對之間以&分隔開。那麼就有一個問題：若是在key=value對中的key或者value中含有'='或者'&'，如：ke&y=value，則在url解析過程當中就會產生錯誤。
進一步的，不僅是query子段，在url前面的路徑字段中，若是一個路徑名中含有'/'或者'?'等字符會怎麼樣呢？爲解決這類問題，就有了url編碼問題。

url編碼

由RFC3986文檔中規定，url中只容許使用大小寫英文字母，阿拉伯數字和某些標點符號。更準確來講只容許:

A-Z，a-z，0-9，-_.~四個特殊字符，也被稱爲非保留字符
以及! * ’ ( ) ; : @ & = + $ , / ? [ ] # 做爲保留字符

這裏解釋一下所謂保留字符和非保留字符的意義，保留字符是指url定義中容許使用的可能會被用做delimiter（分界符）的字符，因此保留下來；而非保留字符則是指在url定義中容許使用的沒有保留目的的字符。

因此非保留字符不是保留字符的補集，它只是url容許的字符中不是保留字符的部分！

編碼規則

url中所使用的編碼爲:percent-encode，即百分號編碼。這種編碼形式十分簡單，即便用%再加上字符所對應的兩位十六進制數值，如：' '空格符對應的就是'%20'。

1. 那麼非保留字符和保留字符之外的字符（即ASCII碼集中除二者之外的字符），若是使用在url中，就須要進行百分號編碼。
2. 保留字符使用在delimiter之外的場合也要進行百分號編碼。

補充

一開始對url進行規定時，只考慮了英文的狀況，所用字符都限制在ASCII字符集中，即url是ASCII編碼的。那麼對於其它語言如中文，日文等，該如何進行處理呢？

RCF3629中建議對這些ASCII字符集之外的字符先進行UTF-8編碼，而後再把對應的UTF-8編碼寫爲percent-encode的形式。

發散

再結合python的urllib包，易知在urllib.parse模塊中的quote與urlencode函數中都有對字符串進行percent-encode，而且還自動包含了對於非ASCII字符進行urf-8編碼再percent-encode的行爲。