Percentenkoodausta

Percentenkoodausta, eli percent-encoding, on URL-osoitteiden ja muiden URI-koon osien käsittelyyn käytetty menetelmä, jolla osa erillisistä merkeistä esitetään turvallisesti. Käytössä on kaksi päätilannetta: ei-ASCII-merkit sekä varatut merkit, joiden merkitys URL:n osassa voi muuttua.

Perusperiaate on, että jokainen koodattava merkki muunnetaan UTF-8 -merkkijonoksi ja jokainen tämän merkkijonon bitti esitetään prosenttimerkin ja kahden hex-numeron yhdistelmällä. Esimerkkejä: "hello world" muuttuu "hello%20world", ja "café" muuttuu "caf%C3%A9". Esimerkiksi ä-merkki (UTF-8-bitti) vastaa muunnettaessa %C3%A4.

Käyttökohteet ovat tyypillisiä URL-osoitteen komponentteja, kuten polut, kyselyparametrit ja identifioivat arvot. Siksi ei-ASCII-merkit sekä varatut merkit kuten /, ?, #, :, @, &, = ja vinoviiva sekä välilyönti on usein syytä koodata asianmukaisesti. Joissakin tapauksissa käytetään myös samaa menetelmää URL-enkoodauksessa (percent-encoding) muualla kuin URL-osoitteissa.

Erityskohtia ovat muun muassa: HTML-lomakkeiden data voi käyttää application/x-www-form-urlencoded -koodausta, jossa välilyönnit korvataan plus-merkillä (+) ja muut merkit ovat percent-koodattuja. Lisäksi on eroja koodauksen ja dekoodauksen välillä, ja kaksoiskoodauksesta voi aiheutua virheitä tai tietojen epäonnen tulkintaa, jos merkkijonoa dekoodataan kahdesti tai osittain.

Standardit: percentenkoodausta on kuvattu RFC 3986:n yhteydessä URI-sääntöjen yhteydessä, sekä laajemmin IRI- ja UTF-8-tuki RFC 3987:ssa.