O que é codificação URL? Guia sobre percent-encoding em endereços web

Por que a codificação URL existe

As URLs foram originalmente projetadas para conter apenas um conjunto limitado de caracteres do repertório ASCII. No entanto, a web moderna precisa transmitir dados que incluem espaços, caracteres acentuados, emojis e símbolos que não têm lugar em uma URL bruta. A codificação URL resolve esse problema substituindo caracteres inseguros por um % seguido de dois dígitos hexadecimais.

Como o percent-encoding funciona

Cada caractere que precisa ser codificado é convertido em seu valor em bytes (em UTF-8 para a maioria dos sistemas modernos) e representado como %XX, onde XX é o valor hexadecimal. Por exemplo:

• Um espaço se torna %20
• Um E comercial & se torna %26
• O símbolo do euro € se torna %E2%82%AC (três bytes em UTF-8)
• Uma barra / se torna %2F

Alguns caracteres são sempre seguros e nunca precisam de codificação: letras (A-Z, a-z), dígitos (0-9) e alguns caracteres especiais como -, _, . e ~.

Caracteres reservados e não reservados

A RFC 3986 define duas categorias:

• Caracteres não reservados: Letras, dígitos, -, _, ., ~ — nunca precisam de codificação.
• Caracteres reservados: :, /, ?, #, [, ], @, !, $, &, ', (, ), *, +, ,, ;, = — têm significado estrutural nas URLs e devem ser codificados quando usados como dados em vez de delimitadores.

Quando você deve codificar URLs

Cenários comuns que exigem codificação URL:

• Parâmetros de consulta: Valores em pares ?chave=valor devem ser codificados para lidar com espaços e caracteres especiais.
• Segmentos de caminho: Nomes de arquivo ou slugs com caracteres não-ASCII precisam de codificação.
• Envio de formulários: Formulários HTML com application/x-www-form-urlencoded usam uma codificação ligeiramente diferente onde espaços se tornam +.
• Redirecionamentos: Redirecionamentos no servidor com conteúdo gerado pelo usuário na URL.

Erros comuns

• Codificação dupla: Codificar uma URL já codificada produz sequências %25 que corrompem os dados originais.
• Codificar a URL inteira: Você deve codificar componentes individuais (caminho, valores de consulta), não a URL inteira incluindo :// e ?.
• Confusão com o sinal de mais: Em strings de consulta, + representa um espaço em application/x-www-form-urlencoded, mas um + literal no caminho da URL.