DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
混亂的URL編碼:一場標準缺失留下的麻煩
編輯:關於網頁技巧     

URL 全稱 Uniform Resource Locator,直譯「統一資源定位符」,也就是我們熟悉的網頁地址。顧名思義,它應該能在互聯網任意角落被訪問,不受國別、種族、語言與編碼差異的約束——也就是「編碼無關」。

但我們常常直接在地址欄敲入類似「https://url/中文」的地址,也能正常打開。既然 URL 裡含中文,那麼在沒有中文編碼的計算機上,別人怎麼訪問到同一個地址?

標準說了什麼

RFC 1738 對 URL 有明確規定:必須由英文字母、數字和某些標點符號組成,不能使用其他文字。按此,所有包含中文的 URL 都是非法的。

實際上,瀏覽器替我們做了一層人性化的 hack:它會先把地址欄裡的 URL 編碼再使用。因此,一個正確封裝的 HTTP 報文中的 URI 字段,一定不會出現中文字符。也就是說,真正生效的 URL 依然符合 RFC 1738——非 ASCII 字符要先轉成 ASCII 序列。但 1738 並沒有規定具體的編碼方法,而是把決定權交給了應用程序(瀏覽器)與 Web 開發者。這正是「URL 編碼」成為一團亂麻的根源,也會催生一些奇怪現象。

用搜索框做個實驗

我們分別在 Firefox 與 IE 中用百度和 Google 搜索「淘寶」。

Firefox 中的百度:

實際發出的請求 URL 與地址欄顯示一致,結果正確。直接在地址欄輸入帶中文的百度搜索地址,行為也相同。

Firefox 中的 Google:

可以看到,實際請求的 URL 與地址欄顯示的並不一致,但結果正確。此時重新請求地址欄的 URL(注意不是刷新),地址欄顯示變為:

這時地址欄與實際請求一致,結果依然正確。

先看兩個 JS 函數

進一步分析之前,先看兩個運算:

escape() 做的是 Unicode 編碼,而正統的 URL 編碼 encodeURI() 做的是 UTF-8 編碼(簡單說,Unicode 是編碼方式,UTF-8 是 Unicode 的一種實現,以更節省空間的方式對 Unicode 全集二次編碼)。escape() 把每個字符以 %u 分隔,encodeURI 則按字節以 % 分隔。

「淘」和「寶」的 Unicode 編碼分別是 6DD8 與 5B9D;UTF-8 編碼分別是 E6 B7 98 與 E5 AE 9D;GBK 編碼則是 CC D4 與 B1 A6。

結論一:Firefox 中通過表單提交中文時,百度會轉為 GBK 編碼參與報文封裝;Google 則轉為 UTF-8,但地址欄顯示的是其中文映像(此時若複製地址欄,複製到的其實是轉碼後的 URL,無法複製其中的中文)。如果直接在 Firefox 地址欄輸入中文 URL,則一律按 GBK 編碼,百度和 Google 都是如此。

複製不出裡面的中文

可見 Firefox 默認處理 URL 中的中文時,用的是 GBK 編碼,這與網頁編碼無關(瀏覽器無法預知將要訪問的頁面編碼)。

百度與 Google 的兼容性

「淘寶」的 Unicode 編碼是 %6D%D8%5B%9D,在 Firefox 中訪問百度對應地址:

搜索結果是亂碼。而 UTF-8 編碼(所謂正統的 URL 編碼)%E6%B7%98%E5%AE%9D:

同樣是亂碼。

再看 Google 能否解析 UTF-8:

結果正確。而換成 Unicode 編碼:

亂碼。

結論二:所謂正統的 encodeURI 並非萬能,要看每個網站的實現。百度不支持它,一律採用 GBK 系編碼;Google 既支持正統 URL 編碼,也支持 GBK 系編碼,更健壯。

IE 的表現更奇怪

在 IE 中通過表單搜索,結果與 Firefox 一致。但直接在地址欄輸入中文 URL 時:

結果正確,而實際發出的請求是:

可以看到,IE 發起的 HTTP 請求甚至沒有做任何編碼,直接把「淘寶」當作原始 GBK 字符發出,這樣其他語言編碼的操作系統自然無法識別。至於那串轉義後的字符,連抓包工具都無法解析——因為這本身是一個錯誤的請求。Unicode 與 UTF-8 編碼後的 URL,IE 下的表現則與 Firefox 一致。

結論與實踐建議

1. RFC 1738 文檔較為粗糙,導致 URL 編碼標準缺失。實際的 URL 編碼行為取決於操作系統、瀏覽器與 Web 應用。

2. Firefox 會對非 ASCII 的 URL 編碼,方式與操作系統默認編碼一致。

3. Google 支持「正統的 URL 編碼」(UTF-8 字節間加 %),百度不支持。

4. IE 不對非 ASCII 的 URL 編碼,直接按操作系統默認編碼發送請求——換句話說,IE 甚至沒有遵循 RFC 1738,或者說它對 URL 的轉碼實現存在缺陷。

5. Firefox 對地址欄顯示的 URL 做了 hack,但這個 hack 有問題,開發時要注意。

基於以上,Web 開發中建議:

1. 單獨處理編碼問題,前後端統一採用同一種 URL 編碼方案(不論 GBK、Unicode 還是 URI 形式的 UTF-8),必須一致。鑒於多數人誤以為 URI 就是正統的 URL 編碼,建議前後端都統一做 URI 編碼與解碼。

2. 明智選擇 Web 應用的字符集,UTF-8 最佳,GBK 最次。

3. 編碼問題一定要做瀏覽器兼容性調試。

以上。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved