URLエンコードの基本と落とし穴|%20と+の違い、二重エンコード、文字化け
この記事の要点
- URL に使えない文字は、「%」と16進数2桁の並びに置き換えます(パーセントエンコーディング)。日本語は、UTF-8 のバイトごとに、3つの「%xx」になります。
- 空白は、
%20になるのが基本です。+が空白を意味するのは、フォームの送信(クエリ文字列)だけです。 - 「%25」が目立つ文字列は、二重にエンコードされたサインです。
- URL 全体を、そのままエンコードしてはいけません。変換するのは、クエリの値など、URL の一部だけです。
1. URLエンコードの仕組み
URL に使える文字は、英数字と、いくつかの記号に限られています。日本語や空白、一部の記号を URL に入れるときは、文字を UTF-8 のバイト列にして、1バイトを「%」と16進数2桁で表します。これが、URLエンコード(パーセントエンコーディング)です。
たとえば「猫」は、UTF-8 で3バイト(E7 8C AB)なので、%E7%8C%AB になります。日本語の1文字は、ほとんどの場合、%xx が3つ並びます。「猫の手」なら、9バイトで %E7%8C%AB%E3%81%AE%E6%89%8B です。
ブラウザのアドレスバーには日本語が表示されますが、これは見やすく表示しているだけで、通信では、エンコードされた形で送られています。URL をコピーして、メールやチャットに貼り付けると、%E7%8C%AB のような形になるのは、このためです。
2. 空白は %20 か、+ か
空白のエンコードには、2つの書き方があり、混乱のもとになっています。
| 書き方 | 使われる場所 |
|---|---|
%20 | URL のどの部分でも、空白として扱われます。パス(/ で区切られた部分)でも、クエリでも使えます。 |
+ | クエリ文字列(? のあと)の中の、フォーム形式(application/x-www-form-urlencoded)でだけ、空白を意味します。パスの中の + は、空白ではなく、プラス記号そのものです。 |
そのため、安全なのは %20 です。URLエンコード・デコードツールも、空白を %20 にします。
逆に、デコードするときは注意が必要です。フォームの送信などで作られた URL には、空白が + で入っています。q=%E7%8C%AB+%E3%81%AE%E6%89%8B を、JavaScript の decodeURIComponent(このツールと同じ方式)でデコードすると、q=猫+の手 となり、+ が空白に戻りません。空白として読みたい場合は、先に + を %20 に置き換えてください。
また、プラス記号そのものを値に入れたいときは、%2B にエンコードします。a+b=c は、a%2Bb%3Dc になります。エンコードし忘れると、受け取る側で、+ が空白として読まれることがあります。
3. URL全体を変換してはいけない理由
URL には、構造を表す記号があります。:、/、?、&、=、# です。これらは、「ここまでがドメイン」「ここからがクエリ」「ここで値が区切られる」といった意味を持つため、エンコードしてはいけません。一方、値の中に含まれるこれらの記号は、エンコードして、構造と区別する必要があります。
JavaScript の encodeURIComponent(このツールの方式)で、実際に変換した結果です。
| 入力 | 変換結果 |
|---|---|
猫の手 道具箱 | %E7%8C%AB%E3%81%AE%E6%89%8B%20%E9%81%93%E5%85%B7%E7%AE%B1 |
AT&T 社 | AT%26T%20%E7%A4%BE |
a+b=c | a%2Bb%3Dc |
50%引き | 50%25%E5%BC%95%E3%81%8D |
https://example.com/検索?q=猫&page=1(URL全体) | https%3A%2F%2Fexample.com%2F%E6%A4%9C%E7%B4%A2%3Fq%3D%E7%8C%AB%26page%3D1 |
最後の行のように、URL 全体を変換すると、: や / までエンコードされ、URL として使えなくなります。このツールには、URL の形を保ったまま日本語の部分だけを変換する機能はありません。次のように使い分けてください。
- クエリの値を作るとき: 値の部分だけを入力して、エンコードします。
https://example.com/search?q=のあとに、結果を付けます。 - URL を読むとき(デコード): URL を丸ごと貼り付けても、問題ありません。
- URL 全体を、構造を保ったまま変換したいとき: JavaScript の
encodeURIは、:、/、?、&、=、#を残して変換します。上の例の URL なら、https://example.com/%E6%A4%9C%E7%B4%A2?q=%E7%8C%AB&page=1になります。ただし、値の中に&や=がある場合は、正しく区別できません。
なお、50%引き のように、「%」そのものも、%25 にエンコードされます。エンコードされていない「%」が1つでも入った文字列は、デコードするとエラーになります(100% をデコードすると、JavaScript は URIError を返します)。
4. 二重エンコードの見分け方と直し方
エンコードされた文字列を、もう一度エンコードしてしまうと、「%」が %25 に変わり、元に戻らなくなったように見えます。
猫の手
→ 1回エンコード: %E7%8C%AB%E3%81%AE%E6%89%8B
→ 2回エンコード: %25E7%258C%25AB%25E3%2581%25AE%25E6%2589%258B
2回エンコードされた文字列を、1回デコードすると、%E7%8C%AB%E3%81%AE%E6%89%8B になります。もう1回デコードすると、猫の手 に戻ります。
見分けかた: デコードしたのに、まだ %E7 のような文字が残っているときは、二重エンコードです。エンコードされた文字列の中に %25 が多く見える場合も、同じです。
起きる原因: リダイレクトのときに、移動先の URL を、redirect= というパラメータの値として渡す場合が、典型です。すでにエンコードした値を、別の処理でもう一度エンコードすると、二重になります。直すときは、「どこで何回エンコードしているか」を数えて、エンコードは、1つの値につき、1回だけにします。
5. Shift_JIS が混ざったときの文字化け
現在の Web では、URL の日本語は UTF-8 でエンコードするのが標準です。ただし、古いシステムや、一部のサイトでは、Shift_JIS(CP932)や EUC-JP でエンコードされた URL が出てきます。
「猫の手」を、Shift_JIS でエンコードすると、次のようになります(Python で変換)。
from urllib.parse import quote
quote('猫の手', encoding='cp932') # → '%94L%82%CC%8E%E8'
この文字列は、UTF-8 として正しくないため、URLエンコード・デコードツールでデコードしても、「デコードエラー: 無効な形式です」と表示されます(JavaScript の decodeURIComponent は、URIError を返します)。このツールは、UTF-8 以外の文字コードに対応していません。
見分けかたは、%94L のように、「%xx」の間に、半角の英数字が挟まっていることです。Shift_JIS では、ひらがなや漢字が2バイトで、半角の英数字と同じバイトも含まれるため、「%」を付けない文字が混ざります。UTF-8 の日本語は、ほぼ「%xx」が3つずつ連続するため、見た目が違います。Shift_JIS でデコードしたいときは、Python の unquote('%94L%82%CC%8E%E8', encoding='cp932') のように、文字コードを指定できる環境を使ってください(この例で、「猫の手」に戻ることを確かめました)。
6. 言語ごとの違い(JavaScript と Python)
同じ「URLエンコード」でも、関数によって、変換される文字が違います。ほかの言語で作った値と、このツールの結果が、一致しないときの参考にしてください。
| 方法 | 空白 | / | ! * ' ( ) |
|---|---|---|---|
JavaScript encodeURIComponent(このツール) | %20 | %2F に変換する | 変換しない |
Python quote(s, safe='') | %20 | %2F に変換する | %21 %2A %27 %28 %29 に変換する |
Python quote(s)(既定) | %20 | 変換しない | %21 %2A %27 %28 %29 に変換する |
Python quote_plus(s) | + | %2F に変換する | %21 %2A %27 %28 %29 に変換する |
Python の urlencode は、空白を + にします({'q': '猫の手 道具箱', 'tag': 'A&B'} が、q=%E7%8C%AB%E3%81%AE%E6%89%8B+%E9%81%93%E5%85%B7%E7%AE%B1&tag=A%26B になりました)。
このツールは、! * ' ( ) をエンコードしません。OAuth 1.0 の署名のように、これらの記号も %21 などにする必要がある仕様では、変換のあとで、手で置き換えてください。
7. よくある質問
- エンコードとデコードの、どちらを押せばよいですか?
- 日本語や記号を
%E7%8C%ABのような形にしたいときは「URLエンコード」、その形を読める文字に戻したいときは「URLデコード」です。 - デコードしたら、まだ
%E7のような文字が残っています。 - 二重エンコードです。結果をもう一度入力して、デコードしてください。
- ドメイン名の日本語(日本語.jp)も、エンコードしますか?
- ドメイン名は、URL エンコードではなく、Punycode(
xn--で始まる形)という別の仕組みで変換します。このツールは、Punycode を扱いません。 - 入力した URL は、サーバーに送られますか?
- 送られません。変換は、ブラウザの中だけで行います。アクセスログから取り出した URL や、社内の URL を貼り付けても、外部には出ません。