¿Qué es la codificación URL? Guía sobre la percent-encoding

Por qué existe la codificación URL

Las URL fueron diseñadas originalmente para contener solo un conjunto limitado de caracteres del repertorio ASCII. Sin embargo, la web moderna necesita transmitir datos que incluyen espacios, caracteres acentuados, emojis y símbolos que no tienen cabida en una URL sin procesar. La codificación URL resuelve este problema reemplazando los caracteres no seguros con un % seguido de dos dígitos hexadecimales.

Cómo funciona la percent-codificación

Cada carácter que necesita codificación se convierte a su valor en bytes (en UTF-8 para la mayoría de los sistemas modernos) y se representa como %XX, donde XX es el valor hexadecimal. Por ejemplo:

• Un espacio se convierte en %20
• Una ampersand & se convierte en %26
• El signo euro € se convierte en %E2%82%AC (tres bytes en UTF-8)
• Una barra / se convierte en %2F

Algunos caracteres son siempre seguros y nunca necesitan codificación: letras (A-Z, a-z), dígitos (0-9) y algunos caracteres especiales como -, _, . y ~.

Caracteres reservados y no reservados

La RFC 3986 define dos categorías:

• Caracteres no reservados: Letras, dígitos, -, _, ., ~ — nunca necesitan codificación.
• Caracteres reservados: :, /, ?, #, [, ], @, !, $, &, ', (, ), *, +, ,, ;, = — tienen significado estructural en las URL y deben codificarse cuando se usan como datos en vez de delimitadores.

Cuándo debes codificar URLs

Escenarios comunes que requieren codificación URL:

• Parámetros de consulta: Los valores en pares ?clave=valor deben codificarse para manejar espacios y caracteres especiales.
• Segmentos de ruta: Los nombres de archivo o slugs con caracteres no-ASCII necesitan codificación.
• Envío de formularios: Los formularios HTML con application/x-www-form-urlencoded usan una codificación ligeramente diferente donde los espacios se convierten en +.
• Redirecciones: Las redirecciones del servidor con contenido generado por el usuario en la URL.

Errores comunes

• Doble codificación: Codificar una URL ya codificada produce secuencias %25 que corrompen los datos originales.
• Codificar la URL completa: Se deben codificar componentes individuales (ruta, valores de consulta), no la URL entera con :// y ?.
• Confusión con el signo más: En las cadenas de consulta, + representa un espacio en application/x-www-form-urlencoded, pero un + literal en la ruta de la URL.