RFC 3986明确规定URL中仅允许ALPHA、DIGIT及“-._~/:@?#[]”等字符，其余所有字符（含空格、中文、标点、控制字符）必须百分号编码为%XX形式，且需先转UTF-8字节再编码。
URL编码必须处理哪些字符
RFC 3986 明确规定，URL 中只允许出现 ALPHA / DIGIT / "-" / "." / "_" / "~" / "/" / ":" / "@" / "?" / "#" / "[" / "]" 这些“未保留字符”。其余所有字符（包括空格、中文、标点、控制字符）都必须被百分号编码，即转换为 %XX 形式（XX 是字符 UTF-8 编码的十六进制大写表示）。
常见误区是只对空格和中文做简单替换（比如把空格换成 +），这不符合 RFC；+ 是 application/x-www-form-urlencoded 的约定，不是通用 URL 编码规则。
关键点：
- 输入字符串必须先按 UTF-8 编码成字节序列，再对每个字节判断是否需编码
- 不可直接对
std::string的每个char做判断——因为 UTF-8 多字节字符会拆成多个char - ASCII 字符中，
' '、'、<code>'>'、'"'、'{'、'}'、|、^、`等都必须编码
用 std::ostringstream + std::hex 实现安全编码
不依赖第三方库时，最可控的方式是手动遍历 UTF-8 字节流，并用 std::ostringstream 拼接结果。避免使用 sprintf 或 std::format（C++20 之前不可用，且 std::format 对字节编码无直接支持）。
立即学习“C++免费学习笔记（深入）”；
示例核心逻辑：
std::string url_encode(const std::string& s) {
std::ostringstream encoded;
encoded.fill('0');
encoded.setf(std::ios::uppercase);
encoded.setf(std::ios::hex);
for (unsigned char c : s) {
if ((c >= 'a' && c <= 'z') ||
(c >= 'A' && c <= 'Z') ||
(c >= '0' && c <= '9') ||
c == '-' || c == '.' || c == '_' || c == '~') {
encoded << c;
} else {
encoded << '%' << std::setw(2) << static_cast<int>(c);
}
}
return encoded.str();
}
注意：这段代码仅适用于纯 ASCII 输入。若输入含中文等 Unicode 字符，std::string s 必须已是 UTF-8 编码字节流（例如来自 std::u8string 转换或平台 API 返回），否则会错误地将多字节 UTF-8 序列中的单个字节当作独立字符编码。
处理 Unicode 字符前必须确保输入是 UTF-8 字节流
C++ 标准库本身不提供 UTF-8 验证或转换工具。如果你拿到的是 std::u16string 或 std::u32string，必须先转为 UTF-8 才能安全编码。
推荐做法：
- Linux/macOS：用
std::wstring_convert<std::codecvt_utf8<char32_t>, char32_t>（已弃用但仍可用）或更稳妥的iconv - Windows：用
WideCharToMultiByte(CP_UTF8, ...)将wchar_t*转 UTF-8 - 跨平台项目建议引入
utf8cpp（头文件库），调用utf8::utf16to8()或utf8::utf32to8()
错误示例：url_encode(u8"你好") 是合法的（u8"" 字面量保证 UTF-8），但 url_encode(L"你好") 传入宽字符串会导致每个 wchar_t 被截断为低 8 位，结果完全错误。
哪些字符不能跳过编码（容易被忽略的坑）
开发者常漏掉这些 RFC 要求必须编码的字符：
- 空格 → 必须为
%20（不是+） -
/和?在路径/查询参数边界有语义，但在值内部也必须编码（如path=value/with/slash中的斜杠） -
'#'和'@'同理，即使出现在 query string 值里也不能放行 - UTF-8 中文首字节范围是
0xE4–0xEF，次字节是0x80–0xBF，全部需编码（如0xE4→%E4，0xBD→%BD）
最稳妥的做法：宁可多编，不可少编。只要不在 RFC 保留字符集合里，一律 %XX。
实际调试时，如果编码后 URL 在浏览器中打不开或服务端解析失败，优先检查输入是否真为 UTF-8、以及是否误放行了 / 或 #。
