Codificare și decodare URL

Un URL poate conține doar un set limitat de caractere ASCII. RFC 3986, specificația din 2005 pentru sintaxa URI, le împarte în două grupuri. Caracterele nerezervate, A–Z, a–z, 0–9 și cele patru semne - . _ ~, nu trebuie niciodată codificate. Caracterele rezervate au roluri: delimitatorii generali : / ? # [ ] @ separă schema, gazda, calea, interogarea și fragmentul, iar subdelimitatorii ! $ & ' ( ) * + , ; = separă elementele din interiorul acestora, așa cum fac & și = într-un șir de interogare. Orice altceva, precum și orice caracter rezervat folosit ca simplă dată, trebuie codificat procentual.

Codificarea procentuală scrie un octet ca % urmat de două cifre hexazecimale. Textul este mai întâi convertit în UTF-8, deci un spațiu devine %20, un é (doi octeți) devine %C3%A9, iar un emoji devine patru grupuri %XX. De aceea o căutare după „café & bar” ajunge într-un link sub forma caf%C3%A9%20%26%20bar: caracterul & este codificat pentru ca serverul să nu îl interpreteze ca începutul unui parametru nou.

encodeURIComponent este alegerea potrivită pentru o singură bucată, de exemplu o valoare din interogare, un segment de cale sau un URL de redirecționare trimis ca parametru. Codifică tot, cu excepția caracterelor nerezervate și a ! ' ( ) *, pe care JavaScript le lasă neschimbate din motive istorice. encodeURI (URL complet) presupune că textul introdus este deja o adresă completă și păstrează intacte caracterele rezervate, așa că în https://example.com/a b?q=1 se codifică doar spațiul. Folosirea encodeURI pentru valoarea unui parametru este o greșeală clasică: un & sau # din valoare ar rămâne neschimbat și ar strica URL-ul.

Decodifică inversează oricare dintre cele două funcții. Formularele HTML trimise cu GET folosesc formatul mai vechi application/x-www-form-urlencoded, în care spațiul se scrie + în loc de %20; lăsați bifată opțiunea Tratează + ca spațiu pentru acestea și debifați-o când contează un semn plus literal, de exemplu într-un număr de telefon. Dacă textul conține un % care nu este urmat de două cifre hexazecimale sau octeți care nu sunt UTF-8 valid, decodificarea eșuează cu un mesaj clar, fără să ghicească. Când textul conține un șir de interogare, parametrii lui apar decodificați într-un tabel sub instrument. Pentru date binare în URL-uri, Base64url este alternativa obișnuită.