URL энкодер / декодер

Что и зачем кодируется в адресах

В адресе можно использовать ограниченный набор символов: латиница, цифры и несколько знаков вроде дефиса и точки. Всё остальное — пробелы, кириллица, скобки, знаки вопроса внутри значений — кодируется процентами: символ превращается в байты, а каждый байт записывается как знак процента и две шестнадцатеричные цифры.

Кириллица в кодировке UTF-8 занимает два байта на букву, поэтому одна русская буква превращается в шесть знаков: «П» становится %D0%9F. Отсюда и раздутые ссылки на русскоязычные страницы: адрес из десяти русских слов легко вырастает до трёхсот символов, хотя в браузере он показан обычным текстом.

Пробел кодируется двумя способами, и это источник ошибок. Плюс вместо пробела допустим только в строке запроса, в самом пути он остаётся плюсом. Поэтому ссылка с «+» в имени файла ломается, если её пропустили через кодировщик, рассчитанный на параметры.

История: RFC 1738 и punycode для доменов

Адрес в его нынешнем виде описал Тим Бернерс-Ли: сначала как часть проекта веба в 1990-м, потом отдельным документом RFC 1738 в 1994 году. Ограниченный набор символов был вынужденным решением: адрес должен был пережить пересылку по телеграфу, распечатку в газете и набор вручную на терминале с латинской клавиатурой.

Проблема неанглийских языков решалась дважды. Для путей и параметров придумали процентное кодирование поверх UTF-8, а для доменов — punycode: имя на кириллице превращается в последовательность латинских букв с префиксом xn--, и именно её видят серверы имён. Поэтому «пример.рф» технически существует как xn--e1afmkfd.xn--p1ai, а красивый вид показывает браузер.

Как кодировать и где чаще всего ломается

В ссылках для рассылок и мессенджеров кодировать нужно обязательно: почтовые клиенты обрывают адрес на первом же непонятном символе, и ссылка приходит битой. Проверять готовый адрес удобно прямо в браузере: если он открывается из адресной строки, дойдёт и до получателя. Для рабочих ссылок с параметрами полезно держать порядок параметров одинаковым: одни и те же данные в разном порядке дают разные адреса, и статистика по ним размазывается на несколько строк в отчёте. И помните про регистр: в путях он значим, поэтому кодированные заглавные и строчные буквы дают разные адреса, которые поисковик считает разными страницами со всеми вытекающими дублями. В параметрах регистр обычно не важен, но проверять это стоит на своём движке: единого правила тут нет, каждый разбирает строку запроса по-своему. Проверять готовые ссылки удобно на длинных значениях: короткие строки кодируются без сюрпризов, а на адресах с кириллицей и параметрами вылезает всё сразу. И не кодируйте уже готовый адрес целиком: двоеточие после схемы и слеши в пути должны остаться как есть.

Есть режим целого URL и режим отдельного значения параметра.