Dekodér URL

Připomeňme, že adresy URL jsou odesílány na internet v prohlížečích v kódování ASCII. Pokud libovolná adresa URL obsahuje znaky, které nejsou v kódování ASCII, je adresa URL automaticky převedena prohlížečem. Konverze adresy URL znamená nahrazení nebezpečných znaků znakem% následovaným dvěma hexadecimálními čísly, která odpovídají hodnotám znaků ISO-8859-1. Jakákoli posloupnost ve tvaru% xy je považována za bajt, kde xy je dvoumístné hexadecimální vyjádření 8 bitů. Všechny podřetězce, které mají jednu nebo více sekvencí, jsou nahrazeny znakem nebo znaky, jejichž kódování bude mít za následek postupné bajty. Adresa URL obsahuje omezenou sadu znaků US-ASCII, včetně abecedy (A-Z a-z), čísel (0-9), pomlčky (-), podtržítka (_), vlnovky (~) a tečky (.). Jakýkoli jiný znak mimo platnou sadu je kódován pomocí kódování URL nebo procentního kódování.

Uživatelé je samozřejmě mohou dekódovat sami (například kliknutím na řádek adresy, přidáním libovolného znaménka, jeho odstraněním a teprve poté zkopírováním adresy), což je však nepohodlné. Někdy musíte dekódovat řetězec adresy URL do textu čitelného pro člověka. Samozřejmě můžete všechny% 20 nahradit mezerami a předpokládat, že problém je vyřešen. Ale co když nejen mezery jsou kódovány stejným způsobem? Pokud narazíte na URL s hromadou podobných procent u vchodu? Některé znaky nemohou být součástí adresy URL (například mezera) a některé další znaky mají v adrese URL zvláštní význam: například znak # lze použít k dalšímu označení podsekce (nebo části) dokumentu. Ve formulářích HTML se znak = používá k oddělení jména od hodnoty. Obecná syntaxe URI používá k vyřešení tohoto problému kódování URL, zatímco formuláře HTML provádějí některé další substituce, místo aby používaly procentní kódování na všechny tyto znaky.