urlencode后的每个%XX代表一个字节？

Question

中文urlencode后，每个%XX代表一个字节，是这样的吧？
所以urlencode('中')的结果是%XX%XX%XX（utf-8编码）

Answer 1

对的，为了解决unicode的过于占用内存空间和扩展不变的问题，utf-8规范出现了。

1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2. 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

也就是说utf-8的编码结果是变长的。
中字的utf-8编码为E4B8AD，所以对应的urlencode为%E4%B8%AD.

Answer 2

是的，URL编码纯粹是把特殊符号和非ASCII字符的的数据用十六进制表示出来，然后每个字节（也就是两位十六进制数）前加一个百分号。对于那些不特殊的ASCII字符的URL编码就是它本身。

同样一个中字，如果是GBK编码就是两个字节，如果是UTF-8就是三个字节。

当然，比较麻烦的是URL编码比较混乱。比如有的地方用+来表示空格，有的又是用%20，具体情况还是要具体分析。前者对应的是函数是urlencode，后者对应的是rawurlencode。通常前者用在表单数据中（包括URL中的query也就是?后的部分），后者用在URL路径中（host后query前的部分）