Codificare URL (encode / decode)
Transformă textul în codificare procentuală și înapoi: diacriticele și spațiile devin %C3%A9 și %20. Trei seturi: parte de adresă, adresă, formular.
Date
Raportează o problemă
Ce este codificarea procentuală
La ce folosește
O adresă poate conține doar un set mic de caractere ASCII. Tot restul – litere cu diacritice, spații, ghilimele, emoji – se transmite ca secvență din „%” și două cifre hexazecimale pentru fiecare octet. Așa, café într-o adresă arată ca caf%C3%A9: cele trei litere simple rămân, iar é ocupă doi octeți.
Trei seturi, nu unul
Parte de adresă codifică tot în afară de litere, cifre și -._~. Este setul pentru o singură valoare: când un parametru conține /, & sau ?, acestea trebuie să devină secvențe, altfel strică adresa în care sunt inserate.
Adresă completă lasă pe loc caracterele care țin un link laolaltă: :, /, ?, #, &, =. Se folosește pentru a repara un link gata făcut care are spații sau diacritice. Nu poți codifica o valoare din interiorul lui cu acest set – el lasă separatoarele neatinse.
Câmp de formular este regula după care browserul trimite un formular: spațiul devine +. În afara șirului de interogare + înseamnă un plus obișnuit, de aceea acest set este o opțiune separată și nu se ghicește din text.
Direcția inversă
Decodificarea citește fiecare secvență %XX ca un octet și construiește textul din octeți. Dacă șirul are un % care nu e urmat de două caractere hexazecimale, nu e nimic de decodificat – e doar un text cu semnul procent, iar pagina spune asta direct în loc să arunce caracterul pe tăcute.
Întrebări frecvente despre codificarea URL
De ce o literă dă două secvențe?
Pentru că în UTF-8 o literă cu diacritic se scrie cu doi octeți, iar o secvență descrie un octet. é este %C3%A9. O literă latină simplă ocupă un octet și nu trebuie codificată deloc.
Spațiul e %20 sau +?
%20 în adresă, + în câmpul de formular. Ambele se citesc ca spațiu acolo unde le e locul, dar + într-o cale rămâne plus.
Pot pune diacritice direct în adresă?
Browserul le arată lizibil, dar tot le trimite codificate. Problema începe când linkul e copiat: într-un e-mail sau un mesaj se transformă într-un șir lung de semne procent.
Am decodificat și am primit caractere stricate
Textul nu a fost codificat în UTF-8 – cel mai des în windows-1250. Pagina nu ghicește codificarea: spune că octeții nu se citesc ca UTF-8 și se oprește.
De câte ori se poate codifica?
De câte ori vrei, și de fiecare dată % devine %25. Dubla codificare este un motiv frecvent pentru care un link nu se deschide: decodifică de două ori și vei vedea ce e înăuntru.