URL编码，客户端和服务器之间发生了什么

标签： url 编码 客户端 | 发表时间：2015-01-13 02:01 | 作者：崔永键

出处：http://www.cuiyongjian.com/

要知道，其中包含两种编码，一种是字符到字符的URL编码（可以理解为仅仅是给字符换了一种字符层面上的表示形式而已，可以理解为转义），一种是字符到二进制的传统意义上我们理解的字符编码。

先来看，服务器到客户端的消息。

服务器端对HTTP头内容，首先进行URL编码，比如其中的汉字，就使用UTF8转换为对应的UTF8编码值。例如“中国”两个字的UTF8编码为e4b8ad e59bbd.

于是，URL编码就把中国变为这样的字符串："%e4%b8%ad%e5%9b%bd"。

由此可见，在服务器还没有往客户端传输之前，服务器会把所有的HTTP头的内容都变成英文字符，因为汉字啥的全变成%e4这种形式了。这就是字符到字符的URL编码，可以发现他编码前编码后都是字符。

然后，经过第一步以后，既然都是英文字符了，服务器把这一堆代表HTTP头字符串，以ASCII编码的形式转化为字节数组（这次编码是关系到同一个字符的二进制如何进行存储，决定了占用空间的大小），发送给客户端。

比如你设置的http头Content-Type:"text-中国"，最终就打包为Content-Type=%e4%b8%ad%e5%9b%bd 这样的字符流，在网络中传输。（当然网络中是这些英文字母的ascii二进制形式进行传输）。

对比下就能发现，这种把原文转换为ASCII字符的方式，确实增加了存储的代价，增加了网络带宽。因为中国两个字我本来可以用6个字节的UTF8编码存储。可转义后变成%e4%b8%ad%e5%9b%bd，那就是18个字符占用18个字节存储。不过这仅仅是HTTP上关于特殊字符的规定，就不让你用。其实http头占不了多少空间。而且基本都是英文字母来表示，所以要理解他，关心他。

其实也有用处的，比如你表示等号，可是这个符号容易跟http协议里规定的东西产生歧义，所以URL编码之后就变成了%23这样的东西，虽然比直接传输等号多占了2个字节，但是解决了歧义的问题。

在客户端浏览器无论使用get还是post通过http的body体来传输数据，最终都会把客户端的汉字等特殊字符进行转义，我不知道为什么这样设置，这确实增大了带宽负载。这或许就是http的性能略低的原因吧。

客户端浏览器拿到这个HTTP头的时候，就一个一个字节的打开这些东西。按照ASCII码去解析传来的字节流，翻译为字符，最终再次得到了Content-Type=%e4%b8%ad%e5%9b%bd. 此时，还要进行URL反编码，把其中的汉字等特殊符号反编码为原来的字符。（反转义，这就是转义的作用，比如服务器传来了一个真正的等号，和一个%23，那么客户端就能断定真正的等号是http协议要用的，%23是当作一个普通的等号字符翻译出来）

有个问题就是：对于HTTP的响应头来说，浏览器默认认为服务器进行URL编码的时候，不会转义汉字进去。所以他收到Content-Type=%e4%b8%ad%e5%9b%bd的时候，并没有按照汉字的转义方法去反解析他，而是认为%e4是一个字符，结果%e4%b8%ad%e5%9b%bd就变成了??-??? 这样的六个字符东西。

而HTTP的响应body里面，是完全按照你程序员的意思写进去的二进制内容。客户端拿到以后，他会根据你的Content-Type的指定，来调用相关的渲染程序去解析。比如如果是html的话，客户端就看你指定的charset编码（没有指定就按照客户端浏览器设置的来），他去把网络传输来的http body字节流，按照http头里charset指定的编码方式来反解码，得到一堆html字符。然后调用渲染程序进行渲染页面。

如果你服务器返回的Content-Type是images，则浏览器就认为你的http body里传来的字节流都是图片的二进制内容。（当然你服务器那边程序员肯定也要传图片的流进来）。结果客户端浏览器就能按照图片的方式把这堆二进制解释出来了。

再来看关于请求消息的编码：

客户端浏览器发起请求的时候，URL会被转义（URL编码）。比如你通过URL传递参数到服务器。使用类似于 http://www.baidu.com/index.html?key=中国

。这样的话，浏览器提交的时候，会自动进行特殊字符的URL编码（上文说了，可以理解为转义）。

真正的HTTP请求头，很可能是这样的：

GET %3a%2f%2fHandler1.ashx?t=%E4%B8%AD%E5%9B%BD

连网址的反斜杠都被转义了。

这些URL编码后的字符，都通过网络传输到服务器。

服务器拿到后，将网络传输来的二进制字节流，按照ASCII码反解析为字符文本。结果就是：

GET %3a%2f%2fHandler1.ashx?t=%E4%B8%AD%E5%9B%BD

当然还有其他的一些头。

在ASP.NET里你使用Request对象的RawURL就能看到原始URL信息。

然后，你不能直接用这种转义的字符啊。你还得想办法，把他转成原始的字符。于是你请出了HttpUtiliy.UrlDecode()

就可以把URL编码的文本再返回原貌了。

由于客户端多数浏览器使用的是UTF8对这种URL参数进行的URL编码，所以你也要使用UrlDecode的UTF8方式进行反解析。

当然，ASP.NET的UrlDecode默认就是使用UTF8的。所以，http%3a%2f%2localhost%2ffHandler1.ashx?t=%E4%B8%AD%E5%9B%BD

这句话，就被解析为:http://localhost/Handler1.ashx?t=中国

当然，关于客户端URL参数使用哪种编码方式，标准没有规定，所以不同的浏览器厂商可能会采用不同的方式。有特殊情况话，你在服务器端就要特殊处理了。网上我见过有人处理火狐的情况，我想还是用到的时候再去学习这块内容吧。不过现在浏览器基本都是使用UTF8进行URL编码。

再来看客户端发给服务器消息体的URL编码。（也就是post请求的时候）

用户填写表单，点击提交，浏览器就会自动对用户的表单各个项目进行URL编码。反正就是转义为无歧义，无汉字的一堆字符，全是百分号。

asp.net可以通过Request对象的InputStream拿到这个传输到服务器的客户端http body内容，你需要使用流的Read方法把数据读到字节数组，然后用ASCII编码把这字节数组读成字符串。也就是浏览器传来的那一堆已经URL编码了的文本。

要想看里面用户填写的原始内容，又需要使用HttpUtility.UrlDecode进行反转义。又要注意编码问题，因为客户端可能使用的非UTF8进行的URL编码。

比如有的火狐浏览器，是根据用户html里的<meat charset> 这个地方来确定传输给服务器时如何进行URL编码。

然而，上文讲了那么多，其实在asp.net里面，只要使用Request.QureyString或 Request.Form拿到d数据，就是由asp.net框架已经给你URL反编码之后的了。而且给你把http报文URL反编码之后还进行split成了集合，你通过索引号直接取出来用就就行了。

URL编码，客户端和服务器之间发生了什么

相关 [url 编码客户端] 推荐：

将URL编码？