URL एन्कोड करें

तीन सही जवाब, और एक बटन ग़लत क्यों है

Percent-encoding किसी कैरेक्टर की जगह % और hex में उसकी बाइट वैल्यू लिख देता है। स्पेसिफ़िकेशन कैरेक्टर को तीन समूहों में बांटता है, और इसकी सारी उलझन यहीं से आती है। Unreserved कैरेक्टर — अक्षर, अंक, हाइफ़न, फ़ुल स्टॉप, अंडरस्कोर और टिल्ड — को कभी एन्कोड करने की ज़रूरत नहीं होती। Reserved कैरेक्टर — स्लैश, सवालिया निशान, ऐम्परसैंड, बराबर का चिह्न और कोलन, जो URL को उसकी बनावट देते हैं — को *जब वे डेटा हों* तब एन्कोड करना ज़रूरी है और *जब वे बनावट का हिस्सा हों* तब नहीं। बाक़ी सब हमेशा एन्कोड होता है।

इसीलिए कोई एक सही जवाब नहीं है। पूरा URL एन्कोड करते समय स्लैश और सवालिया निशान को छोड़ना पड़ता है, वरना पता, पता ही नहीं रहता। query पैरामीटर में डालने वाली वैल्यू को एन्कोड करते समय ऐम्परसैंड और बराबर के चिह्न एस्केप करने ज़रूरी हैं, वरना उनमें से किसी को रखने वाली वैल्यू दो पैरामीटर में बंट जाती है। path segment एन्कोड करते समय स्लैश एस्केप करने ज़रूरी हैं, वरना नाम में स्लैश वाली फ़ाइल दो डायरेक्टरी बन जाती है। अकेला Encode बटन इनमें से एक चुन लेता है और बाक़ी दो-तिहाई मामलों में ग़लत होता है — आमतौर पर चुपचाप, और आमतौर पर ऐसे कि असामान्य इनपुट पर ही दिखे।

स्पेस वह कैरेक्टर है जिसके साथ सबसे ज़्यादा इतिहास जुड़ा है। URL में यह %20 है। सबमिट किए गए HTML फ़ॉर्म में यह + है, जो एक अलग, पुरानी एन्कोडिंग है और इसलिए बची हुई है क्योंकि फ़ॉर्म 1994 से ऐसे ही काम करते आए हैं। दोनों अपने-अपने संदर्भ में सही हैं और दूसरे में ग़लत, इसीलिए query string में प्लस चिह्न ऐसे तरीक़े से अस्पष्ट है जिसे एन्कोड करने वाले की कोई सावधानी ठीक नहीं कर सकती।

गैर-ASCII टेक्स्ट पहले UTF-8 में एन्कोड होता है और फिर बाइट-दर-बाइट, इसलिए ऐक्सेंट वाला एक अक्षर दो percent क्रम बन जाता है और एक इमोजी चार। डबल एन्कोडिंग क्लासिक बग है: पहले से एन्कोड की गई चीज़ को फिर एन्कोड करने से हर % %25 बन जाता है, इसलिए %20 बन जाता है %2520 और दूसरी तरफ़ एक असली percent चिह्न पहुंचता है। अगर किसी URL में %25 भरे पड़े हैं, तो वह एक एन्कोडर ज़्यादा से गुज़रा है।

जब आपको कुछ और चाहिए

कोड में भाषा का अपना फ़ंक्शन इस्तेमाल करें और उसे उतनी ही सोच-समझकर चुनें जितना यह पेज आपसे चुनवाता है। JavaScript में पूरे पते के लिए encodeURI और वैल्यू के लिए encodeURIComponent है; Python में urllib.parse.quote है, जिसका safe आर्ग्युमेंट डिफ़ॉल्ट रूप से स्लैश को छोड़ देता है; PHP rawurlencode और urlencode में फ़र्क़ करता है, जो ठीक ऊपर बताए स्पेस-बनाम-प्लस सवाल पर अलग हैं। इससे भी बेहतर, स्ट्रिंग जोड़कर नहीं बल्कि URL टाइप से URL बनाएं, और यह सवाल ही ख़त्म हो जाता है।

कमांड लाइन पर jq -rR @uri सुरक्षित रूप से एन्कोड करता है और सूची भी संभालता है, और curl --data-urlencode सही एन्कोड किया पैरामीटर बनाता है, बिना यह सोचे कि आप तीनों में से किस मामले में हैं — बस यही एक जगह है जहां यह सच में आसान है।