URI中+号的坑
URI中 +
号表示空格，这一点已经是常识般的存在。但是还是存在很多令人困扰的地方，并带来许多BUG。
首先是一些Java类，甚至是JDK自带的URI类令人迷惑的表现：
URI uri = new URI(null, null, "1%+ 2", "a=%+ b", null);
System.out.println(uri); // 1%25+%202?a=%25+%20b
URIBuilder uriBuilder = new URIBuilder();
uriBuilder.setPath("1%+ 2");
uriBuilder.addParameter("a","%+ b");
System.out.println(uriBuilder); // 1%25+%202?a=%25%2B+b
可以看到JDK的URI类和HttpClient的URIBuild类对同样的输入，编码不一样：
-
对于URI的path部分，两者都保留了
+号不做编码，把空格编码为%20 -
对于URI的query部分
-
JDK的URI类：对
+号不做编码，空格编码为%20 -
HttpClient的URIBuild类：
+号编码为%2B，空格编码为+
-
JDK的URI类：对
可以看到，即使是应该被认为是客观正确的类，在处理 +
和空格上面，表现差距很大，大到生成的URI的语义不一样了。
那回头来看， URI中+号表示空格
，这个到底正确么？还是一个错误的常识？
查阅了一些资料，比较令人信服的说法是：
+ +
具体讨论见这篇 问答
。其中作者提到，RFC中，只是定义了URI的各个component允许存在哪些字符，但是对于特定的字符是否有特殊的含义，是没有做出说明的。而在HTTP的规范中，对 application/x-www-form-urlencoded
进行说明时，提到了 replace spaces with + and other special characters as in RFC1738
。
也就是说在URI的RFC规范中，没有定义 +
号表示空格，是指说了 +
可以在path和query中存在。而HTTP规范中，在参数编码时，提到了空格编码为 +
号，后者被大规模接受了。
而Java的URI来看起来是是完全按照URI的RFC规范来实现，其在编码各个component时，只有不允许存在的字符才会进行编码， +
是允许存在的，所以都没有进行编码。这样带来的问题是，query中的+号没有被编码，导致访问时异常。
URIBuilder的编码，在编码却query时是按照 application/x-www-form-urlencoded
规则进行的，所以编码出的地址是比较正确的。
回头看另外一个问题，就是常识中，我们认为 URI中+号表示空格
，但是其实path中的 +
号表示加号本身。这个就麻烦了，因为很多时候，我们在进行Java web编码的时候，会使用 URLEncoder
和 URLDecoder
类来处理uri的path，这两个类使用的是 application/x-www-form-urlencoded
规则，会用 +
号表示空格，这样在处理path时就不正确了。
细节好多，感觉分分钟都能踩坑，更别提很多人对URI编码没有概念，代码中大量存在用字符串拼接的方式拼接URI，这种方式的结果就是，带来大量的BUG。。。
但是即使是S3，也没有正确处理好URI。。。这个让我非常意外，在AWS的论坛( 帖子地址
)上有人提到S3对path中的 +
号是按照空格处理的！我试了一下还真是。。
# curl -i "https://xx.s3-eu-west-1.amazonaws.com/1+%2B2.txt" HTTP/1.1 200 OK # curl -i "https://xx.s3-eu-west-1.amazonaws.com/1%20%2B2.txt" HTTP/1.1 200 OK # curl -i "https://xx.s3-eu-west-1.amazonaws.com/1%2B%2B2.txt" HTTP/1.1 403 Forbidden
在这个帖子中，有AWS的员工回复，表示的确有这个问题，但是因为有大量的这种地址存在了，所以不会去修改。。。
正文到此结束
热门推荐
相关文章
Loading...
![[HBLOG]公众号](http://www.liuhaihua.cn/img/qrcode_gzh.jpg)
