本文只讲编码规则与还原方法,不涉及任何具体站点。示例中的字符组合用于说明原理,不构成可用地址。
为什么地址里不能直接写汉字
早期的地址规范只允许使用一小部分 ASCII 字符:字母、数字和少数符号。汉字、空格、日文、表情符号都不在其中。为了让这些字符也能出现在地址里,就有了百分号编码:先把字符按某种字符集转成字节,再把每个字节写成两位十六进制,前面加一个百分号。一个汉字在 UTF-8 里通常占三个字节,所以就会出现连续三个百分号片段。
%E6%B5%B7 是怎么变成「海」的
把 E6、B5、B7 三个十六进制数当作三个字节,按 UTF-8 的规则组合起来,得到的就是「海」这个字。同理,%E8%A7%92 对应「角」,%E7%A4%BE 对应「社」,%E5%8C%BA 对应「区」。所以一段看起来很吓人的地址,逐段翻译过来,往往只是一串普通的中文词。这也是为什么有些页面故意用编码形式展示路径——它未必在隐藏什么,只是编码器顺手这么输出了。
在浏览器里怎么还原
最直接的办法是把地址粘进地址栏后回车,浏览器会自动解码并在页面上显示中文;有些浏览器还会在地址栏里直接把编码片段显示为原字符。其次是使用在线的解码工具,但要注意:把地址交给第三方工具,等于把这条链接告诉了对方,涉及私密内容时不要这么做。第三种是自己数一下:连续的三个 % 开头片段,通常正好是一个汉字。
可执行检查单
- 01先数片段:三个百分号一组,多数情况下对应一个汉字。
- 02看字符集:同一串字节在 GBK 与 UTF-8 下会还原成不同的字。
- 03用地址栏验证,不要随便把私密链接粘进第三方网站。
- 04还原后重新读一遍整句,确认语义是否通顺。
常见问题
为什么同一段编码,在有的页面显示正常,有的显示乱码?
因为解码用的字符集不同。同一串字节在 UTF-8 下是一个字,在 GBK 下可能是另一个字或半个字。页面没有声明自己使用哪种字符集时,浏览器只能猜,猜错就出现乱码。这类问题属于技术配置,通常与内容本身无关。
编码能用来隐藏链接的真实内容吗?
只能藏住表面。编码是可逆的,任何人花一分钟都能还原。真正需要注意的是相反的情形:一段编码被说成「看不懂就是安全」,这种说法本身值得怀疑。看不懂从来不是安全的证据,能看懂才是。
顺带认识两个近亲
除了百分号编码,地址里还会出现另外两种转义:一种是把空格写成加号,常见于搜索参数;另一种是把特殊符号写成 HTML 实体,出现在网页源码里而非地址栏。三者容易混淆,但用途不同:百分号编码用于地址,加号用于查询串,实体用于页面文本。分清它们,读地址时就不会把正常的编码当成异常。