URL dekóder

Emlékezzünk vissza arra, hogy az URL-eket a böngészők ASCII kódolással küldik az internetre. Ha bármely URL olyan karaktereket tartalmaz, amelyek nem szerepelnek ASCII kódolásban, az URL-t a böngésző automatikusan átalakítja. Az URL-átalakítás a nem biztonságos karakterek% -ra cseréjére utal, amelyet két hexadecimális szám követ, amelyek megfelelnek az ISO-8859-1 karakterértékeknek. A% xy formájú bármely szekvencia bájtnak számít, ahol xy kétjegyű, 8 bites hexadecimális ábrázolás. Minden, egy vagy több szekvenciával rendelkező alszöveget olyan karakterrel vagy karakterekkel helyettesítünk, amelyek kódolása szekvenciális bájtokat eredményez. Az URL korlátozott készletet tartalmaz az USA-ASCII karakterekből, beleértve az ábécét (A-Z a-z), a számokat (0–9), a kötőjelet (-), az aláhúzást (_), a tildét (~) és a pontot (.). Az érvényes halmazon kívüli bármely más karakter URL-kódolással vagy százalékos kódolással van kódolva.

Természetesen a felhasználók önállóan is dekódolhatják őket (például a címsorra kattintással, bármilyen jel hozzáadásával, eltávolításával és csak a cím másolásával), de ez kényelmetlen. Néha meg kell dekódolnia az URL karakterláncot ember által olvasható szöveggé. Természetesen helyettesítheti az összes% 20 szóközzel, és feltételezheti, hogy a probléma megoldódott. De mi van, ha nemcsak a szóközöket kódolják ugyanúgy? Ha rábukkan egy URL-re, ahol a bejáratnál egy csomó hasonló százalékos arány található? Bizonyos karakterek nem lehetnek az URL részei (például szóköz), más karakterek pedig különleges jelentéssel bírnak az URL-ben: például a # karakter használható a dokumentum alszakaszának (vagy részének) további megjelölésére. HTML-űrlapokban a = karakter a név és az érték elválasztására szolgál. Az általános URI szintaxis URL-kódolást használ a probléma megoldására, míg a HTML-űrlapok néhány további helyettesítést hajtanak végre, ahelyett, hogy százalékos kódolást alkalmaznának az összes ilyen karakterre.