Codificación porcentual

Cuando un carácter del conjunto reservado tiene un significado especial (un propósito reservado) en un contexto determinado, y un esquema URI indica que es necesario usar ese carácter para algún otro propósito, entonces el carácter debe codificarse en porcentaje . La codificación en porcentaje de un carácter reservado implica convertir el carácter a su valor de byte correspondiente en ASCII y luego representar ese valor como un par de dígitos hexadecimales (si hay un solo dígito hexadecimal, se agrega un cero inicial ). Los dígitos, precedidos por un signo de porcentaje ( %) como carácter de escape , se usan en el URI en lugar del carácter reservado. (Un carácter que no es ASCII generalmente se convierte a su secuencia de bytes en UTF-8 , y luego cada valor de byte se representa como se indicó anteriormente).

El carácter reservado /, por ejemplo, si se usa en el componente "ruta" de una URI , tiene el significado especial de ser un delimitador entre segmentos de ruta. Si, según un esquema URI dado, /necesita estar en un segmento de ruta, entonces se deben usar los tres caracteres %2Fo en el segmento en lugar de un sin formato .%2f/

Los caracteres reservados que no tienen una finalidad específica en un contexto particular también pueden codificarse con porcentaje, pero no son semánticamente diferentes de aquellos que no lo están.

En el componente de consulta de una URI (la parte posterior a un ?carácter), por ejemplo, /el carácter sigue considerándose reservado, pero normalmente no tiene una función reservada, a menos que un esquema de URI específico indique lo contrario. El carácter no necesita codificarse con porcentaje cuando no tiene una función reservada.

Las URI que difieren únicamente en si un carácter reservado está codificado en porcentaje o aparece literalmente, normalmente no se consideran equivalentes (no representan el mismo recurso), a menos que se pueda determinar que los caracteres reservados en cuestión no tienen una función reservada. Esta determinación depende de las reglas establecidas para los caracteres reservados por cada esquema de URI.

Los caracteres del conjunto no reservado nunca necesitan ser codificados en porcentaje.

Las URI que difieren únicamente en si un carácter no reservado está codificado con porcentaje o aparece literalmente son equivalentes por definición, pero los procesadores de URI, en la práctica, no siempre reconocen esta equivalencia. Por ejemplo, los consumidores de URI no deberían tratar %41de forma diferente a Ao %7Ede ~, pero algunos lo hacen. Para lograr la máxima interoperabilidad, se desaconseja a los productores de URI que codifiquen con porcentaje los caracteres no reservados.

Debido a que el carácter de porcentaje ( %) sirve para indicar octetos codificados en porcentaje, debe estar codificado en porcentaje para %25poder usarse como datos dentro de una URI.

La mayoría de los esquemas URI implican la representación de datos arbitrarios, como una dirección IP o una ruta de sistema de archivos , como componentes de una URI. Las especificaciones de los esquemas URI deberían, pero a menudo no lo hacen, proporcionar una correspondencia explícita entre los caracteres de la URI y todos los posibles valores de datos representados por dichos caracteres.

La sintaxis genérica de URI recomienda que los nuevos esquemas de URI que permitan la representación de datos de caracteres en una URI representen, en efecto, los caracteres del conjunto no reservado sin traducción y conviertan todos los demás caracteres a bytes según UTF-8 , para luego codificar esos valores en porcentaje. Esta sugerencia se introdujo en enero de 2005 con la publicación del RFC 3986. Los esquemas de URI introducidos antes de esta fecha no se ven afectados.

La especificación actual no aborda qué hacer con los datos de caracteres codificados. Por ejemplo, en informática, los datos de caracteres se manifiestan codificados en algún nivel y, por lo tanto, podrían tratarse como datos binarios o de caracteres al asignarlos a caracteres URI. Presumiblemente, corresponde a las especificaciones del esquema URI contemplar esta posibilidad y exigir una u otra opción, pero en la práctica, pocas, si acaso alguna, lo hacen.

Existe una codificación no estándar para caracteres Unicode: , donde xxxx es una unidad de código UTF-16 representada como cuatro dígitos hexadecimales. Por ejemplo, la 13.ª edición de ECMA-262 incluye una función que utiliza esta sintaxis. ^{[ 4 ]} Sin embargo, este comportamiento no está especificado por ningún RFC y ha sido rechazado por el W3C. ^{[ 5 ]}%uxxxxescape