Decodificador e codificador de URL

Caracteres e seus códigos de URL

Um caractere reservado (# & + / : = ? @) mantém o significado em um endereço, então, quando faz parte de um valor, precisa ser codificado.

Decodificador e codificador de URL online: codificação por porcentagem de textos e endereços

Digite ou cole um texto à esquerda para obtê-lo codificado para URL à direita, ou cole à direita uma sequência com %20 e outros códigos %XX para lê-la como texto. As duas caixas se acompanham enquanto você digita. Tudo é convertido no seu navegador: nada do que você digita é enviado.

O que é a codificação de URL

Uma URL só pode conter um pequeno conjunto de caracteres: letras, dígitos e alguns sinais. Todos os outros caracteres, como um espaço, uma letra com acento, uma letra cirílica ou um emoji, são escritos como um ou mais códigos no formato %XX, em que XX é o valor de um byte em hex. Isso se chama codificação por porcentagem (percent-encoding). Um espaço é %20, o e comercial é %26 e a letra é é %C3%A9, que são os dois bytes da forma dela em UTF-8. A tabela abaixo do conversor lista os caracteres que você encontra com mais frequência.

Qual modo usar

• Um valor (como a função JavaScript encodeURIComponent): use para um pedaço de um endereço, como o valor de um parâmetro de consulta ou um segmento do caminho. Ele codifica os caracteres que têm significado em um endereço, como / ? # & =, para que não possam quebrar o endereço.
• Uma URL inteira (como encodeURI): use para um endereço completo que contém espaços ou letras que não são do inglês. Ele mantém : / ? # & = no lugar e preserva os códigos %XX que já estão no texto, então o endereço não é codificado duas vezes.
• Dados de formulário (como o urlencode do PHP ou o navegador ao enviar um formulário): um espaço vira + em vez de %20.

Mais ou %20 para um espaço

Na parte de consulta de um endereço e em dados de formulário, um sinal de mais significa um espaço, mas em um caminho o mais é só um mais. Ao decodificar, a opção "ler + como espaço" vem ativada por padrão, o que é certo para strings de consulta. Desative-a para um caminho ou para qualquer texto em que o mais é um mais de verdade. Um mais de verdade em um valor é sempre %2B.

UTF-8 e outras codificações de caracteres

Hoje quase todo endereço usa UTF-8: uma letra cirílica são dois bytes e um emoji são quatro. Sites mais antigos podem usar outra codificação, e então as mesmas letras têm outros códigos: "Привет" em Windows-1251 é %CF%F0%E8%E2%E5%F2, em KOI8-R é %F0%D2%C9%D7%C5%D4. Se um texto decodificado vier cheio de sinais estranhos, escolha a codificação de caracteres correta. O conversor lê e escreve UTF-8, Windows-1251, KOI8-R e Windows-1252 (Latin-1).

Texto quebrado e codificado duas vezes

Um % que não é seguido por dois dígitos hexadecimais não pode ser decodificado. O conversor o mantém como está, decodifica o resto e informa onde está o problema. Se o resultado ainda contiver códigos como %41, o texto provavelmente foi codificado duas vezes (um % foi codificado como %25); o botão "Decodificar de novo" o decodifica mais uma vez.

Limitações

• Só podem ser codificados os caracteres que a codificação de caracteres escolhida possui; os outros são indicados.
• A ferramenta muda os caracteres, não a estrutura: ela não verifica se o endereço é válido. Para separar um endereço em partes use o analisador de URL; para encontrar endereços em um texto use o extrator de URLs.
• As quebras de linha são codificadas como %0A e %0D%0A, a não ser que cada linha seja processada separadamente.