URI 編碼 / 解碼 v1.0

http://funlung.googlepages.com/htmldecode.html

請將要處理的文字填在這裡 Input text here:	[test]   [paste from clipboard]
escape() / unescape():	[copy to clipboard]
encodeURI() / decodeURI():	[copy to clipboard]
encodeURIComponent() / decodeURIComponent():	[copy to clipboard]
HTML Unicode Hex:	[copy to clipboard]

URI (Universal Resource Identifier) 通用資源識別字

URL (Uniform Resource Locator) 統一資源網址

escape(), encodeURI(), encodeURIComponent() 這三個函數都可以用來對 URI 進行編碼。

Why encoding? 不知其所以然？人活的好好的 幹嘛沒事要去編碼？

BECAUSE WE CAN !!!

因為資料(data)與特殊控制字元(control)對系統有不同的意義，如果資料與特殊控制字元無法完全隔離，就需要 脫離(escape) 來處理。

若資料與特殊控制字元分別存在於完全隔離的通道(例 FTP: port 21 control, port 20 data; packet format: byte0~3 length, byte4~ data; file: header, data...)，其實在處理上也等同於 escape，只是方便性與效率的考量來決定用何種方式來區分 data / control。

一般為了方便(free format)與空間利用效率很難將資料與特殊控制字元完全隔離，其實只要有一點共識(協定、標準、規格)就不需要這麼(完全隔離)作。例如講電話的 "喂"、"Hello" 表示確認、通訊開始(SYN, ACK, STX, reset)，若不知協定會發生錯誤，例如不懂日語的聽到 Moshimoshi(もしもし) 或無線電收到 CQ CQ 會把它當通話內容而回答。

處理中文或日文必須特別注意 escape 字元，因為中文 Big5 與日文 JIS/shift-JIS 都把常用的 escape '\'(0x5C) 納入編碼範圍。中文簡字 GB 2312-80 原本避開了 0xA0 之前的所有位置，但 GBK 又改成包含 0x40 ~ 0x7E，也有同樣問題。


中文(Big5)含有 0x5C 的字，含使用者造字部份(Unicode補完計畫)：

0

1

2

3

4

5

6

7

8

9

A

B

C

D

E

F

日文(shift-JIS)含有 0x5C 的字：

0

1

2

3

4

5

6

7

8

9

A

B

C

D

E

F

用引號標記字串開始與結束，字串內的引號要用 escape，而字串內的 escape 則要用 escape 的 escape，例如 "\"\\\""

CR LF 等表示格式的字元，人要處理時，輸入要用 \r \n，看不見的字元必須設法表示(如 MS Word)

HTML 同時標註內容與格式，使用了一些特殊字元如： < > &

檔案名稱裡 ; \ / | "

Why:

http 傳資料難免要 GET/POST。對 URL 編碼，以方便任何字串組成的 URL 可以 GET。

How:

1. 了解你的編碼對象，是 ASCII(Big5) 還是 Unicode(UTF-8)？

2. 了解前台(client, browser)的處理方式，(IE 設定選項) Always send URL as UTF-8(永遠將 URL 傳送成 UTF-8)。

3. 了解後台(CGI, JSP, PHP, ASP)的處理方式，哪些是特殊控制字元？是吃 ASCII 還是 Unicode？中文是否要另設 locale 處理？ (Java,PHP)request.setCharacterEncoding("UTF-8"); (Delphi)THTTPRIO.HTTPWebNode.UseUTF8InHeader := true;

4. 若前台與後台的處理方式牽涉到系統，要再去了解系統是大端/小端？word 是幾位元？long 有多長？(Windows)Unicode 是 16-bit 還是 (Linux) 32-bit？

5. 了解編碼方法，選擇合適的方法來使用。不為保密的緣故而自己寫編碼函數，難驗證、難維護、效益低，純粹只是浪費時間。

6. 多種系統混合使用，就要注意 escape of escape。例如 C/Java/Perl/Python... 與 regular expression 字串的 escape 字元都是 \，因此 \ 本身會變成 ==> regular expression /\\/ ==> regular expression in string "\\\\"

Delphi 字元 ' 會變成 ==> regular expression /\'/ ==> regular expression in Delphi string '\'''

URL 編碼方法的比較

escape() 方法：

對傳入字串進行 "脫離(escape)" 編碼。所有的空格、標點符號、特殊字元以及其他非 ASCII 字元都將被轉化成 %xx 格式的編碼 (xx 等於該字元在字元集裡的 16 進制數值)。例如空格的編碼是 %20。

[MSIE] 以 Unicode 處理，傳回 Unicode string。值大於 FF 的字元，以 %uxxxx 格式來編碼。

[Mozilla] 以 ISO Latin 字元集處理，傳回 ASCII string。不適合對非 ASCII 字元編碼：JavaScript 1.5 and later, use encodeURI, decodeURI, encodeURIComponent, and decodeURIComponent.

不會被此方法編碼的字元： * + - . / @ _

encodeURI() 方法：

把URI字串採用UTF-8編碼格式轉化成escape格式的字串。

不會被此方法編碼的字元： ! # $ & ' ( ) * + , - . / : ; = ? @ _ ~

encodeURIComponent() 方法：

把URI字串採用UTF-8編碼格式轉化成escape格式的字串。與encodeURI()相比，這個方法將對更多的字元進行編碼，比如 / 等字元。所以如果字串裡面包含了URI的幾個部分的話，不能用這個方法來進行編碼，否則 / 字元被編碼之後URL將顯示錯誤。

不會被此方法編碼的字元： ! ' ( ) * - . _ ~

因此，對於中文字串來說，如果不希望把字串編碼格式轉化成UTF-8格式的（比如原頁面和目標頁面的charset是一致的時候），只需要使用escape。如果你的頁面是GB2312或者其他的編碼，而接受參數的頁面是UTF-8編碼的，就要採用encodeURI或者encodeURIComponent。

另外，encodeURI/encodeURIComponent是在javascript1.5之後引進的，escape則在javascript1.0版本就有。

---

參考文章： Comparing escape(), encodeURI(), and encodeURIComponent()

http://xkr.us/articles/javascript/encode-compare/

Reference:

RFC 1630: Universal Resource Identifiers in WWW: A Unifying Syntax for the Expression of Names and Addresses of Objects on the Network as used in the World-Wide Web, June1994.

RFC 1738: Uniform Resource Locators (URL), December 1994.

Copyright © 2007 Fun, Lung. All rights reserved.