Hogyan működik az URL-kódolás
A webcímekben csak kevés karakter szerepelhet: ékezet nélküli betűk, számok és néhány írásjel. Minden mást kódolni kell. UTF-8-ban az ő a C5 és 91 bájtból áll, ezért lesz belőle %C5%91. A szóköz %20, űrlapokban +.
Kódolt
Sz%C5%91l%C5%91 %C3%A9s t%C3%BAr%C3%B3 Egerben
Dekódolt
Szőlő és túró Egerben
A leggyakoribb URL-kódok
%C3%A1= á,%C3%A9= é,%C3%AD= í,%C3%B3= ó,%C3%BA= ú%C3%B6= ö,%C5%91= ő,%C3%BC= ü,%C5%B1= ű%C3%81= Á,%C3%89= É,%C5%90= Ő,%C5%B0= Ű%E2%82%AC= €,%E2%80%99= ’,%E2%80%93= –%20= szóköz,%2F= /,%3F= ?,%26= &,%25= %
A magyar karaktereket a kód elejéről ismerheted fel: %C3 kezdetű az á, é, í, ó, ö, ú, ü, a %C5 pedig a hosszú ő és ű (ő = %C5%91, ű = %C5%B1). Minden ékezetes betű tehát két kód egymás után. Régebbi rendszerek egy bájttal kódolják a betűt Windows-1250 szerint: Sz%F5l%F5 a Sz%C5%91l%C5%91 helyett. A Mojibuster ezt is felismeri, és Szőlő lesz belőle.
Honnan származik az URL-kódolt szöveg
- Másolt linkek: a böngésző olvashatóan mutatja a
hu.wikipedia.org/wiki/Győrcímet, de másoláskor gyakranGy%C5%91rkerül a vágólapra. - Űrlapok és nyomkövetés: a keresőszavak és UTM-paraméterek kódolva kerülnek a szerver naplójába és az analitikai exportokba, például
?q=sz%C5%91l%C5%91. - Exportok és API-k: egyes hírlevélrendszerek, webhookok és API-k kódolva mentik az értékeket; a CSV-fájlban ilyenkor nevek helyett kódok állnak.
- Fájlnevek: a letöltött fájl neve
Szamla%20%C5%90ri.pdf, ha a szerver nem dekódolja a nevet.
Kódok és hibás ékezetek egyszerre
Néha a szöveg kétszer romlott el: a %C4%B9%E2%80%98 az Ĺ‘ URL-kódolt alakja, vagyis egy ő, amelyet először rosszul olvastak be, majd kódoltak. A Mojibuster először dekódolja a kódokat, aztán kijavítja a hibás ékezeteket. Részletek: Windows-1250 átalakítása UTF-8-ra. A végén újra ő áll.
A Kódok átalakítása is opció ezen az oldalon már be van kapcsolva. Átalakítja a HTML-kódokat (ő), az e-mail-kódokat (=C5=91) és a programkód escape-jeit (\u0151) is. Mi is az a mojibake?
Dekódolás magadtól: Excel, JavaScript, Python és PHP
- Excel: csak kódoló függvénye van (angol változatban
ENCODEURL), dekódoló nincs. A legegyszerűbb: másold ki az oszlopot, illeszd be ide, majd másold vissza az eredményt. Lásd még: hibás ékezetek az Excelben. - JavaScript: a
decodeURIComponent("Gy%C5%91r")eredményeGyőr. - Python:
urllib.parse.unquote("Gy%C5%91r"), a+-t szóközként használó űrlapadatokhozunquote_plus. - PHP:
rawurldecode(), űrlapadatokhozurldecode().
Gyakori kérdések
Mit jelent a %C5%91?
Az ő URL-kódolt alakja: két UTF-8-bájt, C5 és 91, előttük egy-egy %. Ugyanígy a %C5%B1 az ű, a %C3%B6 pedig az ö.
Mit jelent a %20?
Szóközt. Űrlapadatokban gyakran + áll helyette. A Mojibuster meghagyja a + jelet, mert normál szövegben valódi pluszjel is lehet.
Feltöltődnek a linkjeim?
Nem. Az átalakítás teljes egészében a böngészőben történik. A tokent, e-mail-címet vagy személyes adatot tartalmazó linkek nem hagyják el az eszközödet.
Miért marad a 100% változatlan?
A Mojibuster csak olyan sorozatokat alakít át, amelyekből valódi karakter lesz. A 100%, az 50 % vagy egy magányos %20 normál szövegben érintetlen marad.