包含非英文的 URL 是如何被編碼的？

(06/04/2006)

這是看完 O’Conner 的筆記，避免日後忘記：以下的說明是針對瀏覽器的處理過程，至於由 XMLHttpRequest 所處理的方式，會依 browser 的不同而不同。

1. 如果你的 HTML form 中包含非英文的資料，首先，browser 會先以產生這些非英文字的 numeric character references。以日文的”田中”為例，它的 numerical character references 分別為 & + # + 30000 以及 & + # + 20013（真正的寫法應該把 + 符號移除，但是 wordpress 會自動把它轉成中文字）。其中，30000 和 20013 代表 Unicode 的十進位值。
2. 然後，這些 numeric character references 以 ISO-8859-1 編碼而形成所謂的 URL-encoded characters。同樣的以田中為例，它的 URL-encoded characters 為

   %26%2330000%3B%26%2320013%3B

3. 依照這個預設的行為，後端程式接收到這個資料以後，他會將 URL-encoded characters 解回 numeric character references，但是可惜的是很多的後端程式是無法處理這個 numeric character references。
4. 為瞭解決以上的困境，絕大部分的開發人員採用的方式是在自己的程式（例如使用 Javascript）在 submit 出去之前先對 URL 的非英文資料進行編碼，而大部分使用的編碼方式為 UTF-8。如果我們採用 UTF-8 的編碼的話，田中會變成 %E7%94%B0%E4%B8%AD。