Mã hóa & Giải mã URL

Mã hóa URL là gì?

Mã hóa URL (URL encoding), còn gọi là mã hóa phần trăm (percent-encoding), là cơ chế chuyển đổi các ký tự đặc biệt trong URL thành dạng an toàn để truyền tải qua giao thức HTTP. Mỗi ký tự không an toàn được thay thế bằng dấu % theo sau là hai chữ số thập lục phân tương ứng với giá trị byte UTF-8 của ký tự đó.

Theo tiêu chuẩn RFC 3986, chỉ có các ký tự không dành riêng (unreserved characters) được phép xuất hiện nguyên dạng trong URL: chữ cái A-Z a-z, chữ số 0-9, và bốn ký tự đặc biệt - _ . ~. Tất cả các ký tự khác — bao gồm dấu cách, dấu &, dấu =, ký tự Unicode như tiếng Việt — đều phải được mã hóa phần trăm khi sử dụng trong thành phần URL.

Ví dụ, chuỗi xin chào thế giới được mã hóa thành xin%20ch%C3%A0o%20th%E1%BA%BF%20gi%E1%BB%9Bi. Mỗi ký tự Unicode được chuyển đổi thành byte UTF-8, sau đó mỗi byte được biểu diễn dưới dạng %XX.

Cách mã hóa phần trăm hoạt động

Quy trình mã hóa phần trăm gồm các bước sau:

1. Xác định ký tự cần mã hóa: Kiểm tra xem ký tự có thuộc tập unreserved hay không. Nếu không, cần mã hóa.
2. Chuyển đổi sang byte UTF-8: Ký tự ASCII dùng 1 byte, ký tự tiếng Việt dùng 2-3 byte, emoji dùng 4 byte.
3. Biểu diễn mỗi byte: Mỗi byte được viết thành % + 2 chữ số hex viết hoa. Ví dụ: byte 0xC3 → %C3.

Dấu cách là trường hợp đặc biệt: trong query string (application/x-www-form-urlencoded), dấu cách thường được mã hóa thành +. Trong các thành phần URL khác (path, fragment), dấu cách phải là %20. Đây là lý do tại sao encodeURIComponent dùng %20 còn URLSearchParams dùng +.

encodeURI so với encodeURIComponent

JavaScript cung cấp hai hàm mã hóa URL tích hợp sẵn, mỗi hàm phục vụ mục đích khác nhau:

Quy tắc chung: Dùng encodeURIComponent() cho giá trị tham số truy vấn, dùng encodeURI() cho toàn bộ URL. Sai lầm phổ biến nhất là dùng encodeURI() cho giá trị tham số — điều này không mã hóa & và =, khiến chuỗi bị phân tích sai.

Lỗi thường gặp và cạm bẫy

• Mã hóa kép (double encoding): Mã hóa chuỗi đã được mã hóa sẽ tạo ra %2520 thay vì %20. Luôn kiểm tra xem dữ liệu đã được mã hóa chưa trước khi xử lý.
• Nhầm lẫn + và %20: Trong query string, + là dấu cách hợp lệ. Nhưng trong path URL, + là ký tự + thực sự. Khi di chuyển dữ liệu giữa path và query, cần chuyển đổi đúng cách.
• Quên mã hóa dấu #: Dấu # bắt đầu fragment trong URL. Nếu giá trị tham số chứa # mà không được mã hóa, phần sau # sẽ bị mất vì trình duyệt coi đó là anchor.
• Dùng sai hàm cho path vs query: encodeURIComponent mã hóa dấu /, không phù hợp cho path. Dùng encodeURI hoặc mã hóa từng segment riêng.
• Không xử lý Unicode: Một số server cũ không hỗ trợ UTF-8 trong URL. Luôn đảm bảo server chấp nhận UTF-8 trước khi gửi ký tự Unicode trong URL.

Sử dụng mã hóa URL trong code

Trong phát triển web hiện đại, mã hóa URL xuất hiện ở khắp nơi: xây dựng query string cho AJAX request, tạo redirect URL, xử lý form data, và tạo canonical URL cho SEO. API URLSearchParams trong JavaScript xử lý tự động việc mã hóa và giải mã tham số truy vấn, giúp tránh lỗi mã hóa thủ công.

Trong Python, module urllib.parse cung cấp quote(), unquote(), và urlencode(). Trong PHP, urlencode() dùng + cho dấu cách (phù hợp query string), trong khi rawurlencode() dùng %20 (phù hợp path). Hiểu rõ sự khác biệt này giúp tránh bug khó phát hiện khi làm việc với REST API hoặc webhook.

Xem thẻ Code Snippets ở trên để lấy đoạn code mẫu sẵn dùng cho JavaScript, Python, PHP và cURL cho cả mã hóa và giải mã.