Unicode URL解码

Question

对unicode字符进行URL编码的常用方法是将其拆分为2％的HH代码。 （ \ u4161 =＆gt; ％41％61 ）

但是，解码时如何区分unicode？您如何知道％41％61 \ u4161 与 \ x41 \ x61 （＆quot; Aa＆quot;）？

需要编码的8位字符是否以％00 开头？

或者，unicode字符应该丢失/拆分吗？

Answer 1

根据维基百科：

  

当前标准

     

通用URI语法要求新的URI方案   提供表示   URI中的字符数据必须在   效果，表示来自的人物   没有翻译的无保留集，   并且应该转换所有其他   根据字符到字节   UTF-8，然后对它们进行百分比编码   值。这个要求是   2005年1月推出   RFC 3986的发布.URI方案   在此日期之前介绍的不是   影响。

     

当前没有解决   规范是如何处理的   编码的字符数据。例如，   在计算机中，字符数据显示   以编码的形式，在某种程度上，和   因此可以被视为二元   数据或作为字符数据   映射到URI字符。想必，   这取决于URI方案   规范来解释这一点   可能性并要求一个或一个   其他，但在实践中，很少，如果有的话，   实际上。

     

非标准实施

     

存在非标准编码   对于Unicode字符：％uxxxx，其中   xxxx是表示为的Unicode值   四个十六进制数字。这种行为   没有任何RFC指定并具有   被W3C拒绝了。第三   ECMA-262的版本仍然包括   使用它的escape（string）函数   语法，还有一个encodeURI（uri）   转换为UTF-8和的函数   百分比编码每个八位字节。

所以，看起来完全取决于编写unncode方法的人......标准不是很有趣吗？

Answer 2

我一直在做的是首先UTF-8编码一个Unicode字符串，使其成为一系列8位字符，然后再转义那些带有％HH的。

P.S。 - 我只能希望非标准实现（％uxxxx）很少而且很远。

Answer 3

由于URI是在unicode出现之前引入的，或者至少是广泛使用的，我想这是一个非常具体的实现问题。 UTF-8对你的文本进行编码，然后根据正常情况进行转义，这听起来像是最好的主意，因为它完全向后兼容任何ASCII / ANSI系统，尽管你可能会得到奇怪的一两个字符。

另一方面，要进行解码，您可以浏览文本，并获得UTF-8字符串。如果使用较旧系统的某人试图以ASCII / ANSI发送一些数据，那么就没有任何损害，那就是（差不多）已经编码过UTF-8了。