为什么有些网址存在大量的百分号、字母和数字？

今天，我给一个朋友分享了我刚写的一篇文章的链接。在我的浏览器中，我看到的链接是这样的：

但是当我把这个链接复制给我的朋友时，我发现这个链接发生了巨大的变化：

为什么汉字变成了这么多的字母、数字和百分号？

原因在于 URL 中只能包含 ASCII 码（字符编码范围是 0 ～ 127）的字符，而汉字、特殊字符等非 ASCII 码字符是不能直接出现在 URL 中的，需要进行编码转换后才能在 URL 中使用。

例如，对于汉字 “中”，它的 Unicode 编码是 U4E2D，对应着 UTF-8 编码是 E4 B8 AD。在 URL 中，需要将其转换为 %E4% B8%AD 的形式，其中“%”后面的两个十六进制数字表示该字符的 UTF-8 编码，即“E4B8AD”。这种编码方式被称为百分号编码（Percent-encoding）或 URL 编码（URL encoding），用于将 URL 中的非 ASCII 码字符转换为 ASCII 码字符序列。

• 汉字的 Unicode 表示：这四个汉字的 Unicode 表示如下：
  • ‘面’ 的 Unicode 表示为 \u9762
  • ‘向’ 的 Unicode 表示为 \u5411
  • ‘过’ 的 Unicode 表示为 \u8FC7
  • ‘程’ 的 Unicode 表示为 \u7A0B
• 汉字的 UTF-8 表示：这四个汉字的 UTF-8 表示如下：
  • ‘面’ 的 UTF-8 表示为 E9 9D A2
  • ‘向’ 的 UTF-8 表示为 E5 90 91
  • ‘过’ 的 UTF-8 表示为 E8 BF 87
  • ‘程’ 的 UTF-8 表示为 E7 A8 8B

注意，以上 UTF-8 表示是每个汉字各占用三个字节。

因此，在一些网址中会存在大量的百分号、字母和数字的形式，用于对 URL 进行编码转换。这样可以确保 URL 在网络传输过程中不会出现解析错误、乱码等问题，确保在不同的浏览器、操作系统、设备上都可以正常地打开。

最后，我又通过 在线工具 测试一下：

题外话：Unicode 和 UTF-8 的区别

Unicode 和 UTF-8 都是用于字符编码和字符集的标准。它们都是为了解决国际化和多语言编程的问题而产生的。

Unicode 是一个字符集标准，它定义了一种标准的字符集，并为字符分配了唯一的编码值。Unicode 中，每个字符都拥有一个唯一的代码点，代码点是一组数字，通常用 16 进制数表示。Unicode 能够表示全球范围内的所有字符，包括汉字、拉丁字母、希腊字母、日文字母等等。

UTF-8 是一种可变长度编码，它将 Unicode 字符集中的每个字符编码成一个字节序列。UTF-8 的编码方式与 ASCII 码兼容，符合规则的 ASCII 码使用一个字节编码，而非 ASCII 码的字符使用两个或多个字节编码。UTF-8 通过在编码时使用不同长度的字节序列来表示 Unicode 字符，这样能够表示所有的 Unicode 字符，并且可以处理二进制数据，适用于计算机系统内部和各种文件格式的存储和处理。

因此，Unicode 是一种字符编码标准，而 UTF-8 是一种字符编码实现。UTF-8 基于 Unicode 标准，使用了 Unicode 中的字符集和编码，扩展了 Unicode 的能力，并且具有向后兼容性，是目前使用最广泛的国际化字符编码方案。