javascript - 编码 URIcomponent 非 utf-8 字符并相应解码它们的正确方法是什么？

Question

我有一个 Javascript 小书签，它使用 encodeURIcomponent 将当前页面的 URL 传递给服务器端，然后在服务器端使用 urldecode 获取字符回来。

问题是，当编码字符不是 utf-8(对于我的情况是 gb2312，但它可能是其他东西)时，当服务器执行 urldecode 时，解码字符变成正方形。这显然不是编码前的样子。

这是一个小书签，输入可以是任何东西，所以我不能只在 js 中定义“编码为 gb2312”，或者在 php 脚本中定义“解码为 gb2312”。

那么，是否有一种正确的方法使用 encodeURIcomponent 将字符编码与内容一起传递，然后解码可以选择正确的编码对其进行解码？

Answer 1

关于浏览器的编码，尤其是GB2312字符集，先查看以下文档(中文)

• http://ued.taobao.com/blog/2011/08/26/encode-war/
• http://www.ruanyifeng.com/blog/2010/02/url_encoding.html

对于您的情况，%C8%B7%B6%A8 实际上是从 '\u786e\u5b9a' 的 GB2312 格式生成的。当用户直接在地址栏中输入汉字时，这通常发生在(旧版？)IE 和 FF 版本上，
或者您使用的是来自页面内容的非标准链接，它根本不执行 IRI 到 URI 编码，只是呈现二进制字符串，如 '/tag/\xc8\xb7\xb6\xa8'(douban.com 以前对标签有这种用法，现在他们使用正确的 URI 编码 UTF8)。 不太确定，因为无法在 Chrome 中重现，也许在 FF 中测试和IE，关于 bean 瓣的部分是真实的。

实际上，encodeURIComponent的正确输出应该是

> encodeURIComponent('%C8%B7%B6%A8')
  "%25C8%25B7%25B6%25A8"

因此在服务器端，当未加引号的字符串包含非 ascii 字节时，您最好保留字符串原样，此处 '%C8%B7%B6%A8'。

此外，您可以检查客户端以在包含 %XX 的值上再次应用 encodeURIComponent，其中 XX 大于 0x7F。不过，我不太确定这是否符合 RFC 2396。

写英文好累啊，不过还是要入乡随俗～