Do czego służy kodowanie procentowe

URL to mała, ścisła gramatyka. Garść znaków ma znaczenie strukturalne: / oddziela segmenty ścieżki, ? rozpoczyna zapytanie, & oddziela parametry, # oznacza fragment, : i @ pełnią role w autorytecie. Co się więc dzieje, gdy jeden z tych znaków musi pojawić się jako zwykłe dane, na przykład wyszukiwany termin zawierający dosłownie &, lub segment ścieżki ze spacją? Nie możesz umieścić go surowo, ponieważ parser URL odczytałby go jako strukturę i uległby awarii. Kodowanie procentowe, zdefiniowane w RFC 3986 i często nazywane kodowaniem URL, to mechanizm escape, który to rozwiązuje: zapisuje niebezpieczny znak jako %, po którym następują dwie cyfry szesnastkowe jego wartości bajtu.

Spacja staje się %20, ukośnik staje się %2F, ampersand staje się %26. Tekst a b/c jest kodowany jako a%20b%2Fc. Dekoder odwraca to: każde %XX znów staje się bajtem XX, a pierwotny znak wraca.

Zbiór niezarezerwowany: to, co pozostaje bez zmian

Kodowanie procentowe nie dotyka wszystkiego. RFC 3986 definiuje mały niezarezerwowany zbiór znaków, które zawsze można bezpiecznie zostawić dosłownie w URL i które nigdy nie powinny być poddawane escape:

  • litery A-Z i a-z
  • cyfry 0-9
  • cztery znaki -, ., _ i ~

Wszystko inne, w tym zarezerwowane znaki strukturalne i wszystko spoza ASCII, jest kodowane procentowo, gdy pojawia się jako dane. Bajty powyżej 127 są obsługiwane przez zakodowanie tekstu najpierw jako UTF-8, a następnie zakodowanie procentowe każdego wynikowego bajtu, dlatego pojedyncza litera z akcentem lub emoji staje się serią kilku par %XX, po jednej na bajt UTF-8.

Dlaczego %XX to dwie cyfry szesnastkowe

% to znacznik escape; dwa znaki po nim to bajt w postaci szesnastkowej, dokładnie kodowanie szesnastkowe bajtu. To cały powód, dla którego prawidłowy escape to zawsze % plus dwie cyfry szesnastkowe i nic więcej. %, po którym następuje coś innego niż dwie cyfry szesnastkowe, jak %2G, lub samotny % na końcu ciągu, jest zniekształcony, a staranny dekoder zgłasza to, zamiast zgadywać.

Czym różni się od Base64

Kuszące jest wrzucanie kodowania procentowego do jednego worka z Base64, ale odpowiadają one na różne pytania. Base64 bierze dowolne dane binarne i czyni je w całości bezpiecznymi dla kanału tekstowego, powiększając każde wejście o około jedną trzecią. Kodowanie procentowe pozostawia już bezpieczną większość tekstu nietkniętą i stosuje escape tylko do tych kilku znaków, które sprawiałyby kłopoty. Dla zwykłego tekstu złożonego głównie z liter i cyfr kodowanie procentowe jest znacznie bardziej zwarte i pozostaje czytelne dla człowieka; dla surowych danych binarnych, gdzie niemal każdy bajt wymagałby escape, jest okropnie nieefektywne, a Base64, lub jego wariant bezpieczny dla URL, to właściwe narzędzie.

Krótko mówiąc: kodowanie procentowe to selektywny escape dla tekstu wchodzącego do URL; Base64 to pełne przekodowanie dla bajtów trafiających wszędzie tam, gdzie akceptowany jest tylko tekst.

Wypróbuj

Wybierz Percent w narzędziu codec, aby zakodować tekst procentowo lub zdekodować ciąg %XX z powrotem, wszystko w Twojej przeglądarce. Koduje treść spoza ASCII jako bajty UTF-8, oznacza zniekształcony escape i informuje, kiedy zdekodowany wynik jest binarny zamiast czytelnego tekstu.