客戶訂購了一關鍵字為"e+h 變送器" ， 在首頁推薦廣告中，會根據使用者在search 搜尋過的關鍵字進行一個匹配投放。技術實現是UED 通過JS 獲取cookie 中的h_keys 內容，拼裝到 http://xxxxx/advert/ctp_advert.htm?num=4&keyword= {keyword} 。 這裡取出來對應的cookie 資訊為中文，最後通過一個ajax 發起一個ＧＥＴ請求。

    所以針對最後的請求是：http://xxxxxx/advert/ctp_advert.htm?num= 4&keyword=e+h 變送器。 而在服務端接受到對應的請求引數時，發現引數為：e h 變送器， + 號沒了。　初步懷疑跟ＵＲＬ規範相關，需要進行url encode。

問題分析： 

    查了下JS encode 的相關內容，　總於發現+ 號的祕密。
   html 中因為一些非標準的做法，將+ 等同於空格進行處理 （當Html 的表單被提交時， 每個表單域都會被Url 編碼之後才在被髮送。由於歷史的原因，表單使用的Url 編碼實現並不符合最新的標準。例如對於空格使用 的編碼並不是%20 ，而是+ 號，如果表單使用的是Post 方法提交的，我們可以在HTTP 頭中看到有一個Content-Type 的header ，值為 application/x-www-form-urlencoded ，大部分應用程式均能處理這種非標準實現的Url 編碼）。
    在搜尋引擎中做了下嘗試：　
    keyword =  e h 變送器  , url = 

問題解決：

思路1:
    1.  要想正常傳輸+ 號而不被轉義為空格，需要進行進行編碼為%2B 。查了下幾個編碼函式，發現只有encodeURIComponent 才會對+ 號進行編碼處理。
    2. encodeURIComponent 預設為採用UTF-8 字符集，理論上只需要在原先的請求中新增_input_charset=utf-8(由 pipeline 中的SetLocaleValve 進行解析) ，就可以得到正確的 e+h 變送器。 
    
    在實施過程中，發現結果並不是預期的那樣。 客戶端通過js encode 後，在服務端解析後一直是亂碼。 查了下byte ，發現服務端一直是用GBK 在進行解析， 針對變送器的UTF-8 編碼的byte 為{-27,-113,-104,-23,-128,-127} ，客戶端用GBK 解析後變為{-27.-113.- 104.-23,-63,-63} ，針對最後兩byte 因為字元不可見，導致全部被替換為-63 。網上查了下，針對 utf-8 -> gbk -> utf-8 在一定情況下就會出現該問題(

思路2 ： 
    繼續追查對應的_input_charset=utf-8 未生效的原因，DEBUG 看到在SetLocaleValve 中的確設定了request.setCharsetEncoding 為utf-8 。初步懷疑是否跟jboss server 的配置有關，查了下跟URIEncoding 和useBodyEncodingForURI 設定有關。 目前公司所使用的jboss 為4.05 ，對應俄tomact 配置中只指定了對應的URIEncoding=GBK 。正因為這樣，導致設定的_input_charset 針對GBK 的提交沒有效果 ，還是按照GBK 進行解析。

    1.  考慮將請求由GET 換成POST ， 這樣就可以使用_input_charset 

    但在實施過程中，和UED 溝通過程，針對POST 的會引起一個跨域請求的問題。此方案又只能做罷

思路3 ( 實踐成功) ： 
    
    1.  UED 進行偽url encode 的實現 , 將+ 號進行%2B 的編碼。 因為目前JS 中沒有現成的函式，這裡只是通過replace(/\+/g, '%2B') 進行了轉化。

總 結

針對+ 號的處理，針對不同的業務場景需要不同的處理方案，描述下幾種場景:
1. 非Ajax 請求
    可以直接使用Form 表單的 GET ,POST 的urlencode 協議，自動實現+ => %2B 的轉化
2.  Ajax 請求
    * GET 請求 : 很無奈，只能使用方案3 ，人為進行+ 號轉化。
    * POST 請求( 同一應用，非跨域請 求) :  使用encodeURIComponent +  _input_charset=utf-8 指定編碼進行處理。

ps: 前面提的這幾種方案，都是基於+ 號是正常的業務場景進行考慮。同時我們也可以從業務層面進行一個梳理，+ 號處理是否有其必要性，能從業務資料入口直接規避 那就最好了。 

背景知識：

URIEncoding 和useBodyEncodingForURI

    對於URL 提交的資料和表單中GET 方式提交的資料，在接收資料的JSP 中設定request.setCharacterEncoding引數是不行的， 因為在Tomcat5.0 中，預設情況下使用ISO- 8859-1 對URL 提交的資料和表單中GET 方式提交的資料進行重新編碼（解碼），而不使用該引數對URL 提交的資料和表單中GET 方式提交的資料進行 重新編碼（解碼）。要解決該問題，應該在Tomcat 的配置檔案的Connector 標籤中設定useBodyEncodingForURI 或者URIEncoding 屬性，其中useBodyEncodingForURI 引數表示是否用 request.setCharacterEncoding 引數對URL提交的資料和表單中GET 方式提交的資料進行重新編碼 ，在預設情 況下，該引數為false （Tomcat4.0 中該引數預設為true ）； URIEncoding 引數 指定對所有GET 方式請求（包括URL 提交的資料和表單中GET 方式提交的資料）進行統一的重新編碼（解碼）的編碼 。 URIEncoding 和useBodyEncodingForURI 區別是，URIEncoding 是對所有GET 方式的請求的資料進行統一的重新編碼 （解碼），而useBodyEncodingForURI 則是根據響應該請求的頁面的request.setCharacterEncoding 引數對數 據進行的重新編碼（解碼），不同的頁面可以有不同的重新編碼（解碼）的編碼。所以對於URL 提交的資料和表單中GET 方式提交的資料，可以修改 URIEncoding 引數為瀏覽器編碼或者修改useBodyEncodingForURI 為true ，並且在獲得資料的JSP 頁面中 request.setCharacterEncoding引數設定成瀏覽器編碼。

為什麼需要Url 編碼
1.  Url 中有些字元會引起歧義 , =,& 號等
2.  Url 的編碼格式採用的是ASCII 碼，而不是Unicode ，這也就是說你不能在Url 中包含任何非ASCII 字元，例如中文


哪些字元需要編碼
RFC3986 文件規定，Url 中只允許包含英文字母（a-zA-Z ）、數字（0-9 ）、-_.~4 個特殊字元以及所有保留字元。
Url 可以劃分成若干個元件，協議、主機、路徑等。RFC3986 中指定了以下字元為保留字元：　! * ' ( ) ; : @ & =+ $ , / ? # [ ]


如何對Url 中的非法字元進行編碼
Url 編碼通常也被稱為百分號編碼（Url Encoding ，also known as percent-encoding ），是因為它的編碼方式非常簡單，使用% 百分號加上兩位的字元——0123456789ABCDEF—— 代表一個位元組的 十六進位制形式。Url 編碼預設使用的字符集是US-ASCII 。例如a 在US-ASCII 碼中對應的位元組是0x61 ，那麼Url 編碼之後得到的就是% 61 ，我們在位址列上輸入http: //g.cn/search?q=%61%62%63，實際上就等同於在google 上搜索abc 了。又如@ 符號在 ASCII 字符集中對應的位元組為0x40 ，經過Url 編碼之後得到的是%40 。

JavaScript 中的escape,encodeURI 和encodeURIComponent 的區別 

Javascript 中提供了3 對函式用來對Url 編碼以得到合法的Url ，它們分別是escape / unescape,encodeURI / decodeURI 和encodeURIComponent / decodeURIComponent 。解碼和編碼的過程是可逆的.

相容性不同 
escape 函式是從Javascript1.0 的時候就存在了，其他兩個函式是在Javascript1.5 才引入的。但是由於Javascript1.5 已經非常普及了，所以實際上使用encodeURI 和encodeURIComponent 並不會有什麼相容性問題。

對Unicode 字元的編碼方式不同 
這三個函式對於ASCII 字元的編碼方式相同，均是使用百分號+ 兩位十六進位制字元來表示。但是對於Unicode 字元，escape 的編碼方式是% uxxxx ，其中的xxxx 是用來表示unicode 字元的4 位十六進位制字元。這種方式已經被W3C 廢棄了。但是在ECMA-262 標準中仍然保留著 escape 的這種編碼語法。encodeURI 和encodeURIComponent 則使用UTF-8 對非ASCII 字元進行編碼，然後再進行百分號 編碼。這是RFC 推薦的。因此建議儘可能的使用這兩個函式替代escape 進行編碼。

適用場合不同 
encodeURI 被用作對一個完整的URI 進行編碼，而encodeURIComponent 被用作對URI 的一個元件進行編碼。

安全字元不同 
escape （69 個） */@+-._0-9a-zA-Z   
encodeURI （82 個） !#$&'()*+,/:;[email protected]_~0-9a-zA-Z  
encodeURIComponent （71 個） !'()*-._~0-9a-zA-Z   ( 注意+ 號未在其安全字元裡)

其他和Url 編碼相關的問題
對於包含中文的Url 的處理問題，不同瀏覽器有不同的表現。例如對於IE ，如果你勾選了高階設定“ 總是以UTF-8傳送Url” ，那麼Url 中的路徑部分 的中文會使用UTF-8 進行Url 編碼之後傳送給服務端，而查詢引數中的中文部分使用系統預設字符集進行Url 編碼。為了保證最大互操作性，建議所有放到 Url 中的元件全部顯式指定某個字符集進行Url 編碼，而不依賴於瀏覽器的預設實現。

另外，很多HTTP 監視工具或者瀏覽器位址列等在顯示Url 的時候會自動將Url 進行一次解碼（使用UTF-8 字符集），這就是為什麼當你在 Firefox 中訪問Google 搜尋中文的時候，位址列顯示的Url 包含中文的緣故。但實際上傳送給服務端的原始Url 還是經過編碼的。你可以在位址列 上使用Javascript 訪問location.href 就可以看出來了。在研究Url 編解碼的時候千萬別被這些假象給迷惑了。