欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

urlencode后的每个%XX代表一个字节?

程序员文章站 2022-04-11 19:09:05
...
中文urlencode后,每个%XX代表一个字节,是这样的吧?
所以urlencode('中')的结果是%XX%XX%XX(utf-8编码)

回复内容:

中文urlencode后,每个%XX代表一个字节,是这样的吧?
所以urlencode('中')的结果是%XX%XX%XX(utf-8编码)

对的,为了解决unicode的过于占用内存空间和扩展不变的问题,utf-8规范出现了。

  1. 对于单字节的符号,字节的第一位设为0,后面7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。

  2. 对于n字节的符号(n>1),第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。

也就是说utf-8的编码结果是变长的。
字的utf-8编码为E4B8AD,所以对应的urlencode为%E4%B8%AD.

是的,URL编码纯粹是把特殊符号和非ASCII字符的的数据用十六进制表示出来,然后每个字节(也就是两位十六进制数)前加一个百分号。对于那些不特殊的ASCII字符的URL编码就是它本身。

同样一个中字,如果是GBK编码就是两个字节,如果是UTF-8就是三个字节。

当然,比较麻烦的是URL编码比较混乱。比如有的地方用+来表示空格,有的又是用%20,具体情况还是要具体分析。前者对应的是函数是urlencode,后者对应的是rawurlencode。通常前者用在表单数据中(包括URL中的query也就是?后的部分),后者用在URL路径中(host后query前的部分)

相关标签: php urlencode