A cosa serve la codifica percentuale

Un URL è una piccola grammatica rigida. Una manciata di caratteri ha un significato strutturale: / separa i segmenti del percorso, ? apre la query, & separa i parametri, # segna un frammento, : e @ hanno ruoli nell'autorità. Cosa succede allora quando uno di quei caratteri deve apparire come dato ordinario, per esempio un termine di ricerca che contiene letteralmente un &, o un segmento di percorso con uno spazio? Non puoi inserirlo grezzo, perché l'analizzatore di URL lo leggerebbe come struttura e si romperebbe. La codifica percentuale, definita nella RFC 3986 e spesso chiamata codifica URL, è il meccanismo di escape che risolve questo: riscrive un carattere non sicuro come un % seguito dalle due cifre esadecimali del suo valore di byte.

Uno spazio diventa %20, una barra diventa %2F, una e commerciale diventa %26. Il testo a b/c viene codificato come a%20b%2Fc. Il decodificatore inverte l'operazione: ogni %XX torna a essere il byte XX, e il carattere originale ritorna.

L'insieme non riservato: ciò che resta invariato

La codifica percentuale non tocca tutto. La RFC 3986 definisce un piccolo insieme non riservato di caratteri che è sempre sicuro lasciare letteralmente in un URL e che non dovrebbero mai subire l'escape:

  • le lettere A-Z e a-z
  • le cifre 0-9
  • i quattro segni -, ., _ e ~

Tutto il resto, inclusi i caratteri strutturali riservati e qualsiasi cosa fuori dall'ASCII, viene codificato in percentuale quando appare come dato. I byte oltre 127 sono gestiti codificando prima il testo come UTF-8 e poi codificando in percentuale ogni byte risultante, ecco perché una singola lettera accentata o un emoji diventa una serie di più coppie %XX, una per byte UTF-8.

Perché %XX sono due cifre esadecimali

Il % è un marcatore di escape; i due caratteri che lo seguono sono il byte in esadecimale, esattamente la codifica esadecimale di un byte. È tutto qui il motivo per cui un escape valido è sempre % più due cifre esadecimali e nient'altro. Un % seguito da qualcosa che non sono due cifre esadecimali, come %2G, o un % isolato alla fine della stringa, è malformato, e un decodificatore attento lo segnala invece di indovinare.

In cosa differisce da Base64

È allettante mettere la codifica percentuale nello stesso calderone di Base64, ma rispondono a domande diverse. Base64 prende binario arbitrario e lo rende interamente sicuro per un canale di testo, espandendo ogni input di circa un terzo. La codifica percentuale lascia intatta la maggior parte già sicura del testo ed effettua l'escape solo dei pochi caratteri che creerebbero problemi. Per testo ordinario fatto perlopiù di lettere e cifre, la codifica percentuale è molto più compatta e resta leggibile da un umano; per binario grezzo, dove quasi ogni byte dovrebbe subire l'escape, è terribilmente inefficiente e Base64, o la sua variante sicura per URL, è lo strumento giusto.

In breve: la codifica percentuale è un escape selettivo per testo che va dentro un URL; Base64 è una ricodifica completa per byte che vanno ovunque accetti solo testo.

Provalo

Seleziona Percent nello strumento di codec per codificare testo in percentuale o decodificare una stringa %XX, tutto nel tuo browser. Codifica il contenuto non ASCII come byte UTF-8, segnala un escape malformato, e ti dice quando un risultato decodificato è binario anziché testo leggibile.