网页 URL 中的特殊字符 “空格” 问题

Java 代码案例

1、将一段内容和接口拼接成 URL 链接

代码示例

java复制代码public static String generateContent(String content) {
      // 将 content 进行 url 编码
      String ans;
      try {
          ans = URLEncoder.encode(content, "UTF-8");
      } catch (UnsupportedEncodingException e) {
          // 处理异常情况
          throw new RuntimeException(e);
      }

      return ans;
}

1、不带空格的处理

java复制代码public static void main(String[] args) {
    String baseUrl = "https://example.com/resource?a=";
    String content = "小黑";
    String ansUrl = baseUrl + generateContent(content);
    System.out.println("最终生成的 URL 的值为：" + ansUrl);
}

运行结果：

perl复制代码https://example.com/resource?a=%E5%B0%8F%E9%BB%91

粘贴到浏览器上会被浏览器解码出来给用户看到:

ini复制代码example.com/resource?a=小黑

网页截图：

2、带有空格的处理

java复制代码public static void main(String[] args) {
    String baseUrl = "https://example.com/resource?a=";
    String content = "小 黑";
    String ansUrl = baseUrl + generateContent(content);
    System.out.println("最终生成的 URL 的值为：" + ansUrl);
}

运行结果：

perl复制代码https://example.com/resource?a=%E5%B0%8F+%E9%BB%91

粘贴到浏览器上会被浏览器解码出来给用户看到:

ini复制代码https://example.com/resource?a=小+黑

网页截图：

3、解决空格的问题

java复制代码public static String generateContent(String content) {
      // 将 content 进行 url 编码
      String ans;
      try {
					// -----------------------调整-----------------------
          ans = URLEncoder.encode(content, "UTF-8").replace("+", "%20");
      } catch (UnsupportedEncodingException e) {
          // 处理异常情况
          throw new RuntimeException(e);
      }

      return ans;
}

public static void main(String[] args) {
    String baseUrl = "https://example.com/resource?a=";
    String content = "小 黑";
    String ansUrl = baseUrl + generateContent(content);
    System.out.println("最终生成的 URL 的值为：" + ansUrl);
}

运行结果：

perl复制代码https://example.com/resource?a=%E5%B0%8F%20%E9%BB%91

粘贴到浏览器上会被浏览器解码出来给用户看到:

ini复制代码https://example.com/resource?a=小 黑

网页截图：

其中 %20 是空格经过编码后的结果

2、问题解决的原因

从上面的案例可以看到，如果 url 中有空格出现，且不经过特殊处理，那么将会导致浏览器无法正确解析 url，从而导致 url 重定向失败，那么问题的原因是什么呢？首先来看一下URL的组成部分

1、URL 的组成部分

下面是一个简单的 URL 链接：

bash复制代码http://localhost:8080/path/to/index.html?id=123#content

它主要有下面几个部分组成

• 协议：URL 的网络传输协议,如 http、https、ftp 等。表示资源访问需使用何种协议；
• 服务器名称：表示要访问的服务器主机名或 IP 地址；
• 端口（可选）：服务器使用的端口号，如 http 默认的端口是 80，https 默认的端口是443，如果省略则使用该协议的默认端口；
• 路径：表示服务器上具体资源的路径信息：例如“/index.html”；
• 查询参数（可选）：路径后加问号开头的查询字符串，用于传递额外的参数，如”?id=123”;
• 锚点（可选）：链接内的超链接锚点定位，例如“#content”；
• HTTP请求不包括#
• #是用来指导浏览器动作的，针对浏览器起作用,对服务器端完全无用
• 访问http://www.example.com/index.html#print，浏览器实际发出的请求只是请求index.html，没有"#print"部分。
• 位于#后面的字符都是位置标识符
• 在第一个#后面出现的任何字符，都会被浏览器解读为位置标识符。 这意味着，这些字符都不会被发送到服务器端。
• 在URL中指定一个颜色值 http://www.example.com/?color=#fff 但浏览器实际发出的请求是"#fff"被省略了。只有将#转码为%23，浏览器才会将其作为实义字符处理。http://example.com/?color=%23fff
• 改变#后面的参数不会触发页面重载
• 改变#后面的参数会改变浏览器的访问历史
• 用户名密码（可选）：用于基础的 HTTP 认证的用户名和密码；

2、URL 编码中遵循的规则

在 URL 编码过程中，会遵循以下的规则：

• 空格：替换成 + （%20）
• /：分割目录和子目录
• ?：分割 URL 和查询
• %：指定特殊字符
• #：指定书签 （%23）
• &：指定分隔参数 （%26）
• =：指定参数的值（%3D）

3、为何 URL 中不允许包含空格和部分特殊字符

• URL 作为资源定位符,它需要保证各个组成部分(协议、主机名、端口、路径等)之间使用统一的分隔符,通常采用斜线"/"。如果直接使用空格,很难区分路径中的空格与路径之间的分隔；
• 早期URL标准没有规定如何处理空格等特殊字符,直接包含空格可能导致解析或匹配时产生歧义；
• 例如：http://www.example.com/products/product name.html
• 当浏览器在解析这个 URL 的时候，可能就会产生下面的歧义问题：
• 1、是否应该解析为两个路径组件"products/product"和"name.html”
• 2、搜索引擎或其他系统进行URL匹配检索时,不清楚空格是否应该作为路径分隔符来匹配； 3、攻击者可以构造歧义URL,利用空格来规避安全机制或进行异常操作；
• 包含空格特殊字符可能会破坏URL本身结构或导致安全问题；
• 包含空格可能导致传输或存储时产生问题。例如传输过程中空格是否需要编码等问题没有明确规定；