Codificador/Decodificador URL

Acerca de Codificador/Decodificador URL

En una URL solo caben ciertos caracteres. Los espacios, las letras con tilde o la ñ, y los caracteres que marcan estructura —? & = # /— deben escribirse como % seguido de dos dígitos hexadecimales cuando forman parte de un valor. Eso es la codificación porcentual, o codificación URL. “niño” se convierte en ni%C3%B1o porque la ñ ocupa dos bytes en UTF-8.

La herramienta tiene dos modos. Componente usa encodeURIComponent de JavaScript y codifica por completo una sola pieza, como un valor de consulta. URL completa usa encodeURI y trata la entrada como una dirección terminada, sin tocar sus caracteres estructurales. Elegir mal es la causa más común de enlaces rotos.

Los tres tipos de caracteres de la RFC 3986

La RFC 3986, la sintaxis genérica de URI, clasifica los caracteres en tres grupos. Los no reservados —letras, dígitos, - . _ ~— pueden aparecer siempre tal cual. Los reservados marcan estructura: los gen-delims (: / ? # [ ] @) separan las grandes partes de la URL y los sub-delims (! $ & ' ( ) * + , ; =) se usan dentro de ellas. Todo lo demás —espacios, caracteres no ASCII, %, comillas— debe codificarse.

La regla clave: un carácter reservado va literal cuando actúa como estructura y codificado cuando es dato. Si alguien busca “a&b”, ?q=a&b se lee como q=a más un segundo parámetro b; solo ?q=a%26b entrega el valor completo.

encodeURI frente a encodeURIComponent

encodeURIComponent (modo Componente) solo deja sin codificar letras, dígitos y - _ . ! ~ * ' ( ). encodeURI (modo URL completa) deja además ; , / ? : @ & = + $ #. Si pasas una dirección entera por Componente obtienes https%3A%2F%2F…, que ya no funciona como enlace. Si pasas un valor de consulta por URL completa, cualquier & o + que contenga sobrevive y estropea la consulta.

Una trampa realista: el término de búsqueda “C++ & Java”. Codificar la dirección completa en modo URL completa da ?q=C++%20&%20Java. El servidor lee q como “C ” (cada + se convierte en espacio) y trata “ Java” como otro parámetro sin nombre. Codificar solo el valor en modo Componente da C%2B%2B%20%26%20Java, que llega intacto. La regla práctica: arma tú el esqueleto de la URL y codifica en modo Componente cada valor que insertes.

Los cinco caracteres que encodeURIComponent no toca —! ' ( ) *— son sub-delims en la RFC 3986. A la mayoría de servidores les da igual, pero donde se exige codificación RFC 3986 estricta, como en las cadenas base de firma de OAuth 1.0, hay que escribirlos como %21 %27 %28 %29 %2A o la firma no coincidirá.

Espacio: ¿%20 o +?

Ambos, en sitios distintos. En la codificación porcentual de la RFC 3986 el espacio es %20. La convención del + viene del formato de formularios HTML application/x-www-form-urlencoded: cuando el navegador envía un formulario por GET, escribe los espacios de la consulta como +. URLSearchParams sigue las mismas reglas, así que q = “a b+c&d” se serializa como q=a+b%2Bc%26d.

Esta herramienta codifica con encodeURIComponent y por tanto escribe %20; los servidores leen ambos como espacio. Al decodificar aplica la regla de formularios y convierte + en espacio: en toda la entrada en modo Componente, y solo en la cadena de consulta (tras ?) en modo URL completa, porque en una ruta el + es simplemente un signo más. Consecuencia: si un valor con + (un token Base64, un teléfono como +34 600…) se metió sin codificar en una consulta, cuando llega al servidor ya es un espacio. Al revés, si decodificas una cadena que no es de formulario (un token Base64, por ejemplo), desactiva la opción “+ = espacio” y cada + se conserva.

Por qué falla la decodificación

Falla cuando un % no va seguido de dos dígitos hexadecimales (“100%” es el caso típico) o cuando los bytes no forman UTF-8 válido. Las URL antiguas codificadas en ISO-8859-1 provocan el segundo caso: ahí la ñ es el byte único %F1, que por sí solo no es UTF-8 válido. La herramienta avisa entonces de que el texto puede estar en una codificación heredada y, si los bytes también se leen bien como EUC-KR o Shift_JIS, muestra esas lecturas como sugerencia (%93%FA%96%7B → Shift_JIS: 日本). El otro clásico es la doble codificación: si vuelves a codificar a%20b, el % pasa a %25 y queda a%2520b. Si tras decodificar siguen apareciendo secuencias como %20, el valor se codificó dos veces.

Ejemplos

Cómo se usa

1. Elige Componente para un valor o segmento de ruta, URL completa para una dirección entera.
2. Pega el texto a codificar o la cadena con % a decodificar.
3. Con el botón de intercambio puedes devolver el resultado y comprobar que coincide con el original.

Preguntas frecuentes