URL 编码和 Base64 常被当成「加密」的同义词,尤其在需要把参数传给别人的时候。「我把它编码了,别人看不懂」——这句判断在两个层面都不成立:编码规则是公开的,任何人拿到都能一秒还原;而且编码的目的从来不是隐藏,是让数据能安全地穿过一条只允许部分字符的通道。
这一篇把两件事分开讲:URL 里那串 %E4 是怎么回事,Base64 到底做了什么,以及为什么它们都不该被用来保护任何东西。
百分号编码在解决什么问题
URL 的语法只允许一部分 ASCII 字符原样出现。空格不能出现(会被截断或当成结束),# 表示片段标识,& 和 = 用来分隔参数,? 标记查询串的开头,/ 分隔路径层级。这些字符如果本身就是数据的一部分,就必须换一种写法,否则解析器会把它们当成语法。
百分号编码的做法很直接:把字符按某种字符集转成字节,每个字节写成 % 加两位十六进制。所以 %20 是空格(0x20),%2F 是斜杠,%3F 是问号。
中文的情况值得展开。UTF-8 里一个汉字占三个字节,「你好」是 E4 BD A0 和 E5 A5 BD,编码后就是 %E4%BD%A0%E5%A5%BD。六个字节变成十八个字符,长度膨胀三倍——这就是为什么带中文参数的链接看起来又长又吓人,也是为什么中文搜索页的 URL 有时会被截断。
空格:%20 还是 +
同一个空格有两种写法,取决于它出现在哪里。在路径里、在 JSON 里、在标准的 URI 语法里,空格是 %20。在 application/x-www-form-urlencoded 的表单提交格式里,空格被写成 +。这个约定来自早期的表单编码规则,后来被 URLSearchParams 沿用。
麻烦在于两者混用时没有提示。把 + 当作普通字符传给一个按 URI 规则解码的服务,它会得到一个加号而不是空格;反过来,把一个真的加号(比如数学表达式里的)放进表单,它会被解码成空格。排查这类 bug 的唯一办法是:先确认对端用的是哪套解码规则,再决定用哪种写法。
该编哪一部分
最常见的错误不是「忘了编码」,而是「编码了整条 URL」。https://example.com/text/a b?q=你好 如果整体编码,协议、域名、斜杠、问号全变成 %3A%2F%2F 和 %3F,链接就彻底不能用了。
正确的做法是分段:协议和域名不编码;路径按段编码,段内的 / 要编码成 %2F;查询串只编码参数名和参数值,& 和 = 保留为分隔符。JavaScript 里两个函数的区别正是这个:
encodeURIComponent保留A-Z a-z 0-9 - _ . ! ~ * ' ( ),把/ ? & = # +全部编码——适合编单个参数值。encodeURI额外保留; , / ? : @ & = + $ #——适合编整条已经拼好的 URL。
两个都编不了的一个字符是 #:encodeURI 会保留它,而它在 URL 里表示片段开始,值里带 # 时后面的内容会被浏览器丢掉。参数值里出现 #,必须手工替换成 %23。
双重编码:那串 %25E4 是什么
如果一条链接里出现 %25E4%25BD%25A0,说明「你好」被编码了两次。% 本身的编码是 %25,所以 %E4 被再编一次就成了 %25E4。典型成因是:拿到的参数已经是编码过的,代码里又调了一次编码;或者重定向时把整个 URL 当参数塞进另一个参数里(这时候确实需要二次编码,但接收端必须解两次)。
判断方法很简单:解码一次之后如果看到的还是 %XX 形式的串,就是双重编码。解码两次得到正常中文,说明原始数据被编了两遍,通常是上游的 bug,而不是这边的问题。
GBK 网站留下的坑
老一些的中文站点用 GBK 编码,同样是「你好」,GBK 只占四个字节 C4 E3 BA C3,编码后是 %C4%E3%BA%C3。拿这串东西去 UTF-8 页面解码,得到的是乱码(锟斤拷、烫烫烫那一类)。
这不是编码算法错了,是字符集不一致。处理办法:确认来源页面的 <meta charset>,用对应字符集解码之后再按 UTF-8 重新编码。现在的接口基本都用 UTF-8,遇到 %C4 这类两位一组、总长是四的倍数的中文串,先怀疑 GBK。
Base64 到底做了什么
Base64 把任意字节流按每三个字节一组,重新切成四个 6 位的值,再映射到 64 个可打印字符(A-Z、a-z、0-9、+、/),不足三个字节的用 = 补齐。结果是:任何二进制数据都能变成纯文本,可以塞进邮件、JSON 字符串、URL、数据库的文本字段。
代价是体积增加约三分之一:三个字节变四个字符。传一张 100KB 的图片,Base64 之后是 133KB。这是个明确的取舍,不是 bug——省掉的是「二进制通道」的麻烦,付出的是流量。
URL 场景里还有两个变体需要认识:把 + 和 / 换成 - 和 _(URL-safe Base64),以及去掉末尾的 =(无填充变体)。JWT 用的就是这一套。解码时要先把 - _ 换回来、把 = 补齐,否则长度不对就解不出来。
btoa 为什么处理中文就报错
浏览器里的 btoa() 只接受 Latin-1 范围内的字符,传入中文会抛 InvalidCharacterError。正确做法是先用 TextEncoder 把字符串编成 UTF-8 字节,再把字节转成二进制字符串交给 btoa;解码时反过来,atob 拿到字节后交给 TextDecoder('utf-8')。
这个「先转 UTF-8 再 Base64」的顺序,正是本工具实现的方式,所以「你好世界」经过一次往返之后仍然是「你好世界」。很多在线工具的 bug 就出在这一步:它们直接把字符串喂给 btoa,遇到中文就崩,或者用 escape 这种早已废弃的函数硬转,得到的串在别的语言里解不回来。
都不是加密,因为不需要密钥
加密的定义是:没有密钥就无法还原。URL 编码和 Base64 都不需要密钥,规则写在 RFC 里,任何语言的任何库都能还原。所以它们提供的安全性是零,混淆程度也是零——把一段 Base64 粘进任何一个在线解码器,一秒出明文。
最典型的误解是 JWT:三段用点分隔的字符串,中间那段看起来像密文。把它粘进解码器,你会直接看到 {"sub":"10086","role":"admin","exp":1767225600}。JWT 的签名保证的是「没被篡改」,不是「内容保密」——payload 是明文,只是编码过。要保密,得用 JWE 或者干脆别把敏感字段放进去。
同理,把密码做一次 Base64 存进数据库,和明文存储没有区别;把接口参数编码成 %XX 也不是防护,只是换了个写法。
对照表
| URL 百分号编码 | Base64 | |
|---|---|---|
| 目的 | 让任意字符能出现在 URL 里 | 让任意字节能出现在纯文本通道里 |
| 输入 | 文本,先转成 UTF-8 字节 | 任意字节流 |
| 输出 | % 加两位十六进制 | 64 个可打印字符,= 补齐 |
| 体积变化 | 每个非 ASCII 字节变三个字符 | 约 +33% |
| 可逆 | 是,无需密钥 | 是,无需密钥 |
| 能当加密用吗 | 不能 | 不能 |
常见问题
URL 里的中文一定要编码吗?
现代浏览器会自动把地址栏里的中文转成 UTF-8 百分号编码再发出,所以你手输中文也能打开。但在代码里拼链接、写进 HTML 属性、发给别人复制时,必须自己编码:中间环节(聊天软件、邮件客户端、旧版转发服务)可能按别的字符集处理,中文会变成乱码或者丢掉。
Base64 字符串末尾的 = 能删吗?
在 URL 和安全场景里常删(无填充变体),但解码端必须补齐到 4 的倍数。JSON 或邮件里一般保留,因为有些严格的解码器要求长度对齐。删与不删本身不改变数据,只是省略了长度信息。
为什么解码之后出现了方块或者问号?
说明字节不是合法的 UTF-8 文本,可能原本是图片、压缩包或者用 GBK 编的文本。Base64 不解码「内容」,它只还原字节;字节代表什么,要靠字符集去解释。本工具遇到非法 UTF-8 会直接报错,而不是悄悄替换成方块——悄悄替换才是更坏的行为。
需要现场试一次,把文本粘进JSON 与编码工具的编码区;要处理中文参数,先确认对端字符集再动手。JSON 报错怎么定位,见JSON 语法自查清单。
本文由 TextBench 团队撰写。最后更新:2026 年 11 月 19 日。