Кодировать URL

Три правильных ответа — и почему одна кнопка ошибается

Percent-encoding заменяет символ на % и шестнадцатеричное значение его байта. Спецификация делит символы на три группы, и вся путаница вытекает из этого. Незарезервированные символы — буквы, цифры, дефис, точка, подчёркивание и тильда — кодировать не нужно никогда. Зарезервированные — косые черты, вопросительные знаки, амперсанды, знаки равенства и двоеточия, которые задают структуру URL, — нужно кодировать, *когда они являются данными*, и нельзя, *когда они являются структурой*. Всё остальное кодируется всегда.

Поэтому единственно правильного ответа нет. При кодировании URL целиком косые черты и вопросительный знак нужно оставить, иначе адрес перестанет быть адресом. При кодировании значения для параметра запроса нужно экранировать амперсанды и знаки равенства, иначе значение с таким символом распадётся на два параметра. При кодировании сегмента пути нужно экранировать косые черты, иначе имя файла с косой чертой превратится в две папки. Одна кнопка «Кодировать» выбирает один из этих вариантов и ошибается в остальных двух третях случаев — обычно незаметно и обычно так, что это проявляется только на необычных данных.

У пробела самая богатая история. В URL это %20. В отправленной HTML-форме это + — отдельная, более старая кодировка, которая живёт потому, что формы работают так с 1994 года. Оба варианта верны в своём контексте и неверны в чужом, поэтому плюс в строке запроса неоднозначен так, что никакая аккуратность при кодировании этого не исправит.

Текст не в ASCII сначала кодируется в UTF-8, а затем побайтно, поэтому одна буква с диакритикой превращается в две процентные последовательности, а эмодзи — в четыре. Двойное кодирование — классическая ошибка: кодирование уже закодированного превращает каждый % в %25, так что %20 становится %2520, и на другом конце получают буквальный знак процента. Если URL полон %25, он прошёл через один кодировщик лишний.

Если нужно другое

В коде используйте функцию своего языка и выбирайте её так же осознанно, как заставляет эта страница. В JavaScript есть encodeURI для адресов целиком и encodeURIComponent для значений; в Python — urllib.parse.quote с аргументом safe, который по умолчанию оставляет косые черты нетронутыми; в PHP различаются rawurlencode и urlencode, и разница между ними — ровно тот самый вопрос «пробел или плюс». А ещё лучше собирать URL с помощью специального типа URL, а не склейкой строк, — тогда вопрос исчезает сам.

В командной строке jq -rR @uri кодирует безопасно и справляется со списком, а curl --data-urlencode собирает правильно закодированный параметр, не заставляя вас думать, какой из трёх случаев перед вами, — это единственное место, где всё действительно просто.