提到这个 %20，想必大家都见过，熟悉一点编码的人，还会知道这玩意就是空格转换而来!那么我们一起破解， 如何编码而来?
我们今天继续学习前端编码知识， 其他编码文章：
之后再补上
前端所需要的基本编码知识体系就基本形成。
Unicode基础知识
Unicode 只是一个字符集, 其为每个字符提供了一个编号，我们称之为码点。
Unicode 可以使用的编码有三种，分别是：
UFT-8：一种 变长的编码方案，使用 1~6 个字节来存储。
UTF-16：对于码点小于0xFFFF(65535)的字符，两个字节存储，反之采用 4个字节来存储。
UFT-32：一种 固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储。
所以UTF-8个UTF-16都属于变长编码方案，而UTF-32属于固定长度编码方案。
固定长度编码方案优点当然是简单啊，缺点嘛，费空间， 这就是为嘛还要有UTF-16和UTF-8。
我们网络传输常用 UTF-8, 而javascript运行时的字符编码是 UTF-16.
%20怎么来的
我们看看，我们怎么样可以得到这个%20:
- escape(" ") "%20"
- encodeURI(" ") "%20"
- encodeURIComponent(" ") "%20"
其是字符的16进制格式值， 是百分号编码，之后会细说。
怎么获得这个编码，写一个简单的方法你就懂了
- function to16Format(ch){
- return '%' + ch.codePointAt(0).toString(16)
- }
- to16Format(" ") // "%20"
虽然3个方法都能获得同样的值，很少有人告诉你 esacpe是基于UTF-16，而另外两个是基于 UTF-8, 看个例子：
0-0xFF码点范围编码结果是一致的，
0xFF以上，结果就不一样了， 原理我们后面说。
- escape("") //%20
- encodeURI("") //%20
- escape("人") // "%u4EBA"
- encodeURI("人") // "%E4%BA%BA"
- escape("𣑕") // %uD84D%uDC55
- encodeURI("𣑕") // "%F0%A3%91%95"
小结一下：
当然，不是所有的字符都会被编码，接下来一起看哪些字符不会被编码。
哪些字符不会被编码
%20， 就不得不提到我们的常用编码的三对姊妹：
我们先把A-Z a-z 0-9单独列出来，因为都是不会被编码的， 看看哪些字符不会被编码。
简单来说，escape是生成新的由十六进制转义序列替换的字符串，作用是让它们在所有电脑上可读。
编码之后的效果是%XX或者%uXXXX这种形式。
当你需要对URL编码时，请使用 encodeURI 或者 encodeURIComponent。
划重点：基于UTF-16进行编码
UTF-16字符编码，对于码点大于0xFFFF的字符，其编码结果是分高低位的， charCodeAt(0)可以获得高位， charCodeAt(1)可以获得低位。
escape之码点大于0xFFFF的字符
转义为两个%uXXXX
先直接看代码结果：
- var ch = String.fromCodePoint(0x23455); // "𣑕"
- escape(ch) // '%uD84D%uDC55' 码点大于 0xFFFF
- unescape(escape(ch)) // "𣑕"
- ch.charCodeAt(0).toString(16).toUpperCase(); // 高位
- // 'D84D'
- ch.charCodeAt(1).toString(16).toUpperCase(); // 低位
- // 'DC55'
看着结论就知道了，和charCodeAt的逻辑处理一致。都是返回UTF-16编码的高低位编码。
编码之 encodeURI
由于 URL 只能由标准 ASCII 字符组成，因此必须对其他特殊字符进行编码。它们将被代表 utf-8编码的一系列不同字符所取代。encodeURI 和 encodeURIComponent 用于此目的。
划重点，encodeURI 和 encodeURIComponent 采用的是UTF-8编码。
先看看码点和UTF-8编码格式，以及需要的字节数。
Unicode 码点范围（十六进制） 十进制范围 UTF-8 编码方式（二进制）
- var codePoint = "人".codePointAt(0).toString(16) // `4eba`
- encodeURI("人") // %E4%BA%BA
这里我们省略了具体的编码过程， 具体的编码结果验证可以去 Convert UTF8 to Binary Bits - Online UTF8 Tools[5] 验证
最终编码结果: 11100100 10111010 10111010
- (0b11100100).toString(16).toUpperCase() // E4
- (0b10111010).toString(16).toUpperCase() // BA
- (0b10111010).toString(16).toUpperCase() // BA
- encodeURI("人") // %E4%BA%BA => E4 BA BA
再推导一下??字
- encodeURI("??") // "%F0%A3%91%95"
编码之 encodeURIComponent
既然有encodeURI为嘛还要来一个encodeURIComponent呢?
其用于对地址后的 参数值进行编码, 我们通常称呼为queryString。
看个例子：
- var param = "http://www.yyy.com"; //param为参数
- param = encodeURIComponent(param);
- var url = "http://www.xxxx.com?target=" + param;
同理下面的?之后的部分空 键=啊 哈&type=x，键值对均需要encodeURIComponent进行编码。
- http://wwww.xxxyyy.com/哈 哈?空 键=啊 哈&type=x
其实吧，现代浏览器，默认都会自行进行编码，你不妨把上面的地址贴到浏览器:
image.png
application/x-www-form-urlencoded
对于 `application/x-www-form-urlencoded`[6] (POST) 这种数据方式， 也是需要编码的。
其编码规则：
数据被编码成以 '&' 分隔的键-值对, 同时以 '=' 分隔键和值.
非字母或数字的字符会被 percent-encoding[7]
我们先一起看看 percent-encoding(百分号编码)。
percent-encoding
百分比编码(也有叫百分号编码的) 是一种拥有8位字符编码的编码机制，这些编码在URL[8]的上下文中具有特定的含义。它有时被称为URL编码。编码由英文字母替换组成：“%” 后跟替换字符的ASCII的十六进制表示。
它广泛地应用于主统一资源标志符/统一资源定位符集(URI) ，其中包括 URL 和统一资源名(URN)。它还用于准备应用 application/x-www-form-urlencoded 媒体类型的数据，这通常用于在 HTTP 请求中提交 HTML 表单数据。
URI所允许的字符分作保留与未保留。保留字符是那些具有特殊含义的字符，例如：斜线[9]字符用于URL(或URI)不同部分的分界符;未保留字符没有这些特殊含义。百分号编码把保留字符表示为特殊字符序列。
保留字符需要编码，其有：':'，'/'，'?'，'#'，'['，']'，'@'，'!'，'$'，'&'，"'"，'('，')'，'*'，'+'，','，';'，'='，以及，'%' 本身， 以及一个空格 " "。
percent-encoding编码对照表请参见：percent-encoding | MDN [10]
非保留字符
不需要被编码，直接使用就行。
特殊的字符 " "，
其在作为URL的时候，编码是转为 %20
post提交(application/x-www-form-urlencoded)替换为 +
那么，我们这里直接使用 encodeURLComponent编码值和键，能行吗?
答案是不行：
百分比编码需要编码特殊字符的是 20个(加上 ' ')
- : / ? # [ ] @ ! $ & ' ( ) * + , ; = %
encodeURLComponent不编码的字符是 9 个：
- - _ . ! ~ * ' ( )
所以还需要额外编码为：['!', "'", '(', ')', '*']， 怎么计算而得，参见下面代码：
- var percentChars = [':', '/', '?', '#', '[', ']', '@', '!', '$', '&', "'", '(', ')', '*', '+', ',', ';', '=', '%', ' '];
- var eURICChars = ['-', '_', '.', '!', '~', '*', "'", '(', ')'];
- var notInPChars = percentChars.filter(c=> eURICChars.includes(c));
- console.log("notInPChars:", notInPChars);
- // notInPChars: (5) ['!', "'", '(', ')', '*']
所以，完整的编码应该如下：
- function encodeValue(val)
- {
- var eVal = encodeURIComponent(val);
- // 单独处理encodeURIComponent不编码的字符
- eVal = eVal.replace(/\*/g, '%2A');
- eVal = eVal.replace(/!/g, '%21');
- eVal = eVal.replace(/\(/g, '%28');
- eVal = eVal.replace(/\)/g, '%29');
- eVal = eVal.replace(/'/g, '%27');
- // 特殊处理空格字符
- return eVal.replace(/\%20/g,'+');
- }
Content-Disposition: attachment; filename
我们后台返回文件的时候，如果指定Content-Disposition: attachment并设定好filename， 客户端收到请求后是可以直接进行文件下载的。 问题就在于这个filename，其也是需要被编码的，我们了解一下即可：
参考MDN:
- var fileName = 'my file(2).txt';
- var header = "Content-Disposition: attachment; filename*=UTF-8''"
- + encodeRFC5987ValueChars(fileName);
- console.log(header);
- // 输出 "Content-Disposition: attachment; filename*=UTF-8''my%20file%282%29.txt"
- function encodeRFC5987ValueChars (str) {
- return encodeURIComponent(str).
- // 注意，尽管 RFC3986 保留 "!"，但 RFC5987 并没有
- // 所以我们并不需要过滤它
- replace(/['()]/g, escape). // i.e., %27 %28 %29
- replace(/\*/g, '%2A').
- // 下面的并不是 RFC5987 中 URI 编码必须的
- // 所以对于 |`^ 这3个字符我们可以稍稍提高一点可读性
- replace(/%(?:7C|60|5E)/g, unescape);
- }
其比 percent-encoding又还有些区别，注释里面写得很清楚。我真想说，搞那么多协议不累吗?
看到注册，我们可以看到 RFC3986， RFC5987等协议，我们一起了解一下。
RFC3986[11] ，RFC1738[12] ，RFC5987[13]
RFC3986， RFC1738是关于URI的编码规范，RFC5987是关于http协议文件头字段的规范。
2005年发布，现行标准。文档对URL的编解码问题做出了详细的建议，指出了哪些字符需要被编码才不会引起Url语义的转变，以及对为什么这些字符需要编码做出了相应的解释
94年发布。同上。
Character Set and Language Encoding for Hypertext Transfer Protocol (HTTP) Header Field Parameters。 翻译：超文本传输协议文件头字段参数的字符集和语言编码， 对http传输头部字符串编码的规范。
你会发现很多代码还会处理~符号，虽然RFC3986文档规定，对于波浪符号~，不需要进行Url编码，但是还是有很多老的网关或者传输代理。
兼容性好的代码，会兼容处理 RFC1738， 比如著名的qs库的 formats.js[17]
image.png
window.btoa 和window.atob
window.btoa可以进字符进行base64编码, window.atob可以解码。
- window.btoa("abcd") // "YWJjZA=="
- window.atob("YWJjZA==") // "abcd"
但是其职能编码ASCII 字符串， 试试中文：
- window.btoa("人")
- // Uncaught DOMException: Failed to execute 'btoa' on 'Window':
- // The string to be encoded contains characters outside of the Latin1 range.
怎么解决呢?
- // ucs-2 string to base64 encoded ascii
- function utoa(str) {
- return window.btoa(unescape(encodeURIComponent(str)));
- }
- // base64 encoded ascii to ucs-2 string
- function atou(str) {
- return decodeURIComponent(escape(window.atob(str)));
- }
验证一下, 完美。
- utoa("人") //5Lq6
- atou("5Lq6") //人
那么这是什么思路呢???
encodeURIComponent 将字符转为百分比utf-8字节存储为% XX 之后，unescape 将它们转换为 btoa 所要求的单个代码点。因此，btoa (unescape (encodeURIComponent (str)))都将文本编码为 utf-8字节，然后将其编码为 Base64。
虽然，你去掉中间的unescape和escape也可以正常使用，但是必须搭配使用啦。但是，已经不是标准的utf-8转为Base64了。
- window.btoa(encodeURIComponent("我是人a"))
- // JUU2JTg4JTkxJUU2JTk4JUFGJUU0JUJBJUJBYQ==
- decodeURIComponent(window.atob("JUU2JTg4JTkxJUU2JTk4JUFGJUU0JUJBJUJBYQ=="))
- // 我是人a
标准base解码，已经得不到正确结果：
最后提一个问题：
百分号编码 和 escape, encodeURI, encodeURIComponent是什么关系?
