在浏览器输入网址，Enter之后发生了什么？

很多八股文会给出：

1. 1. DNS Resolution
2. 2. Establishing a Connection
3. 3. Sending an Http Request
4. 4. Receiving the HTTP Response
5. 5. Rendering the Web Page

但今天我斗胆插入第0.9步URL Parsing，

URL( uniform resource locator)由四部分组成：scheme、domain、path、resource

URL Parsing做了2个事情：

• • prase url：只有解析分离出domain，还有后续的第1步： DNS resolution
• • url_encode

本文我主要想聊一聊url_encode

1. 1. 为什么会有url_encode？
2. 2. javascript encodeURI() vs encodeURIComponent()
3. 3. 我为什么会关注到这个问题？
4. 4. 常见的httpclient默认有做url_encode吗？

在浏览器插入https://www.baidu.com/s?wd=博客园马甲哥，Enter之前童鞋们可尝试拷贝地址栏， 粘贴到任意位置， 内容是：https://www.baidu.com/s?wd=%E5%8D%9A%E5%AE%A2%E5%9B%AD%E9%A9%AC%E7%94%B2%E5%93%A5, 这就是浏览器自动url_encode的结果， 浏览器会拿这个网址去做 dns、request行为。

1. 为什么会有url_encode？

url_encode 又叫百分号编码，为什么要有url_encode[1]，看知乎。

总结下来：uri地址最初要求是以可显示、可写的 ascii 字符集， 非英文字符和其他特殊字符需要被编码。

默认按照UTF-8转化为字节流，每个字节按16进制表示，并添加%组成一个percent编码。

UTF-8 到底是什么意思?[2]

例如：汉字 “你好”

• • UTF-8字节流打印为：-28 -67 -96 -27 -91 -67
• • 对应的16进制表示为：E4 BD A0 E5 A5 BD
• • URLEncode编译后为：%E4%BD%A0%E5%A5%BD

当然服务端会对应的url_decode函数,编码/解码的次数需要对应。

2. js 中的encodeURI() vs encodeURIComponent()

是js 中内置的全局函数，用于url_encode，不会对以下特殊字符编码，这也是为了确保url中原生字符的正确表达: A–Z a–z 0–9 - _ . ! ~ * ' ( ) ; / ? : @ & = + $ , #

const uri = 'https://mozilla.org/?x=шеллы';
const encoded = encodeURI(uri);
console.log(encoded);
// Expected output: "https://mozilla.org/?x=%D1%88%D0%B5%D0%BB%D0%BB%D1%8B"

encodeURIComponent 也是全局函数，但他的用途是对字符串做完整的url_encode, 这个函数会对上面排除的字符做编码，这个函数一般用于已知是特殊字符需要做url编码。

// Encodes characters such as ?,=,/,&,:
console.log(`?x=${encodeURIComponent('test?')}`);
// Expected output: "?x=test%3F"

3.我为什么会关注这个问题？

一般web框架会为我们自动解码，我在使用lua-resty-http客户端做反向代理请求时关注到这个问题。

nginx内置变量并提供了自定义变量的能力[3]。

• • $request_uri full original request URI (with arguments)
• • uricurrent URI in request, normalized, The value of uri may change during request processing, e.g. when doing internal redirects, or when using index files.

一开始lua_resty_http 将 $uri(解码值)送到应用，不符合应用的预期， 我这才发现应恢复成原始编码uri[4]。

4. 常见的httpclient是否能自动url_encode？

.NET、go、lua的HttpClient(包括curl)都不会自动对 URL 进行编码。如果你的 URL 包含特殊字符或需要编码的字符，你需要自己手动进行 URL 编码。

• • [C#] System.Net.WebUtility.UrlEncode
• • [golang] url.QueryEscape(rawURL)
• • [lua] ngx.escape_uri(str, 0)

本文记录了url_encode的来龙去脉；引用的知乎外链都是高赞答案，人人为我我为人人； 整理了常见httpclient url_encode的表现。

文字和图片均为原创，一家之言，欢迎留言吐槽。

引用链接

[1] 为什么要有url_encode: https://zhuanlan.zhihu.com/p/557035152?utm_id=0 [2] UTF-8 到底是什么意思?: https://zhuanlan.zhihu.com/p/137875615 [3] nginx内置变量并提供了自定义变量的能力: https://nginx.org/en/docs/http/ngx_http_core_module.html [4] 应恢复成原始编码uri: https://stackoverflow.com/questions/78225022/is-there-a-lua-equivalent-of-the-javascript-encodeuri-function