form表单与字符编码详解

html字符编码

UTF-8编码，可变长编码，字符数字表示通过Ascll码或者Unicode码来表示字符。

hex---十六进制

bin---二进制

oct---八进制

编码工具(https://gchq.github.io/CyberChef/)

标签本身不能编码

数字表示法的不方便之处，在于必须知道每个字符的码点，很难记忆。为了能够快速输入，HTML 为一些特殊字符，规定了容易记忆的名字，允许通过名字来表示它们，这称为实体表示法（entity）。

实体的写法是&name;，其中的name是字符的名字。下面是其中一些特殊字符，及其对应的实体。

• <：< ---常用

• >：> ---常用

• "："

• '：'

• &：&

• ©：©

• #：#

• §：§

• ¥：¥

• $：$

• £：£

• ¢：¢

• %：%

• *：$ast;

• @：@

• ^：^

• ±：±

• 空格： ---常用

注意，上面最后一个特殊字符是空格，它也有对应的实体表示法。

字符的数字表示法和实体表示法，都可以表示正常情况无法输入的字符，逃脱了浏览器的限制，所以英语里面称为“escape”，中文翻译为“字符的转义”。

form表单

表单是由窗体和控件组成的,一个表单一般应该包含用户填 写信息的输入框,提交按钮等，这些输入框,按钮叫做控件,表单很像容器,它能够容纳各种各样的控件。

标签样式

< form action＝"url" method=get|post name=“myform” >< /form >

• name：表单提交时的名称

• action：提交到的地址

• method：提交方式，默认为get

表单格式构成

• 表单标签：指form标签本身，他是一个包含表单元素的区域

• 表单域：是form标签中用来收集用户输入的每一项，通常用input标签来定义,input标签有不同的类型,用以对用用户不同的数据

• 表单按钮：用于提交form表单中所有信息到服务

form表单属性：

• accept-charset：该属性规定服务器使用哪种字符来处理表单数据

• action:必须的action属性规定当提交表单时，向何处发送表单数据

• autocomplete：该属性规定表单是否应该启用自动完成功能。自动完成功能允许浏览器预测对字段的输入，当用户再字段开始输入时，浏览器基于之前输入过的值，应该显示处字段填写的选项

• enctype：该属性规定在将表单数据发送到服务器之前如何对其进行编码。（只有 method=“post” 时才使用 enctype 属性。）

  method：该属性规定如何发送表单数据（表单数据会被发送到在 action 属性中规定的页面中）。

  表单数据可被作为 URL 变量的形式来发送（method=“get”）或者作为 HTTP post 事务的形式来发送（method=“post”）。

  • get：

    1，将表单数据以名称/值对的形式附加到 URL 中， URL 的长度是有限的（大约 3000 字符） 2，绝不要使用 GET 来发送敏感数据！（在 URL 中是可见的） 3，对于用户希望加入书签的表单提交很有用 4，get更适用于非安全数据

  • post：

    1，将表单数据附加到 HTTP 请求的 body 内（数据不显示在 URL 中） 2，没有长度限制 3，通过 POST 提交的表单不能加入书签

• name:该属性规定表单的名称。name 属性用于在 JavaScript 中引用元素，或者在表单提交之后引用表单数据。

• target:该属性规定一个名称或一个关键词，指示在何处打开 action URL，即在何处显示提交表单后接收到的响应。target 属性定义浏览器上下文（比如选项卡、窗口或内联框架）的名称或关键词。

字符编码

任何一个文字或符号都是一个字符，但所占的字节不一定相同。除了常见的字母汉字还有特殊字符例如货币字符￥等。

字符的集合被称为字符集

字符编码：定义字符集中的字符如何编码为特定的二进制数。字符集和字符编码一般一一对应，GBK 字符集对应 GBK 编码，ASCii 字符集对应 ASCii 编码，但 Unicode 字符集有 UTF-8、UTF-16 和 UTF-32 三种编码方式。

Unicode：Unicode几乎编码定义了世界上几乎所有的字符。

码点/码位：码点是编码中为某个字符设定的数值，具有唯一性和一一对应性。码点只定义了一个字符对应的数值，没有定义这个数值是怎么存储的，这个由具体的编码方式决定。

U+XXXXXX 是码点的表示形式，X 代表一个十六进制数字，u 后面可以有4-6位，不足4位往前补0，所以码点的取值范围为 U+0000 ~ U+10FFFF，但实际 unicode 至今才扩展到二进制21位，而且21位代表的1114112个码点中并不是都代表着一个字符，只有大约10%的空间被使用。

码元：码点经过映射后得到的二进制串的转换格式单位称为码元，码点就是一串二进制数，码元就是切分这个二进制数的方法。

编码方案：

• Unicode：Unicode 只是给每个字符分配了个码点，但是码点转换为二进制存储时可能占1-4个字节，产生了定界问题：如何确定用几个字节表示一个字符。不同的解决方法对应不同的编码方案。

• UTF-8：用1~4 byte 编码 Unicode 字符

  Unicode范围	UTF-8编码方式
  U+0000 ~ U+007F	0xxxxxxx
  U+0080 ~ U+07FF	110xxxxx 10xxxxxx
  U+0800 ~ U+FFFF	1110xxxx 10xxxxxx 10xxxxxx
  U+010000 ~ U+10FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

将 unicode 码点转换为二进制后，按照对应的范围从后往前截取出表中空出来的位数，依次从后往前填充进去，空的位数填0，就得到在内存中存储的值。