urlencode和rawurlencode，傻傻分不清

最近半年我写了很多Web方面的文章，看上去很简单，但如果深究下去，则不是那么一回事了，今天聊聊url编码的事情。

很多人对urlencode编码很熟悉，但对rawurlencode却了解不多，其实对于URL编码，rawurlencode才是标准，它定义在 RFC3986 上，这个 RFC 描述了如何定义一个 URL，URL 其实本质上不是 HTTP 协议的一部分，只是 URL 和 HTTP 协议结合的比较紧密，所以总觉得 HTTP 协议包含 URL。

先描述下rawurlencode，它也叫做百分号编码（Percent-encoding），首先思考一个问题，为什么URL需要编码，原因就在于早期的 URL 只有 ASCII 字符，所以无需编码。

但世界上有多种语言，为了让 URL 符合语义标准，必须转码，主要有以下几种字符需要编码：

• ASCII 控制字符。

• Non-ASCII，比如中文字符。

• 保留字符，比如/符号有特殊含义，为了输出原始/符号，必须编码。

• 不安全字符，这些字符（比如<、\、%）应该可以称为“应用字符”，对应的就是 HTML 中的“实体字符”。

那么具体如何编码呢？

• 非字母和数字字符替换为%符号，后面跟着字符的十六进制。

• 破折号、下划线、点号和波浪号无需编码。

• 空格替换为%20。

接着说说urlencode，它基于rawurlencode标准，但有略微的不同，它定义在rfc1866，这个rfc属于html标准的一部分，编码方式和 application/x-www-form-urlencoded MIME 编码方式一致。

urlencode处理 query string 的编码，而 rawurlencode 被认为处理 url 编码，这可以看做一个区别。

urlencode 和 rawurlencode 在编码方式上有二处区别：

• 波浪号需要百分号编码。

• 空格替换为+。

那么为什么不能保持一致呢？可能是历史原因，但 rfc2396 认为 url 中的 + 符号是一个保留字符，所以 rawurlencode 编码方式更标准。

在具体写代码的时候，其实很少接触到 urlencode 编码，因为浏览器，web服务器，代码框架都做了封装，比如 web 服务器会自动urlencode， curl 库也会自动urlencode query string。

那为什么今天提到 rawurlencode 呢，我在使用阿里云和腾讯云API的时候，在对API签名的时候，会对各个 query string 进行 rawurlencode，然后再计算前面，至于为什么不直接使用 urlencode，是我非常好奇的。

类似文章：

• 浏览器下载中文名文件出现乱码，如何解决？

• 你真的知道网页上传文件背后的原理吗？