如何比较URI编码字符串？Python/JS测试及解决方案

最近在一家成长型初创公司面试时碰到了个URI编码的棘手问题，W3.org明明说两个URI是等价的，但直接用编码工具处理后却没法直接比较，折腾了一番才找到解决方案，分享给大家：

问题核心 #

W3.org明确指出以下两个URI是等价的：

url4 = "http://b93.com:80/~smith/home.html"
url5 = "http://b93.com/%7Esmith/home.html"

但不管用Python还是JavaScript的原生编码方法处理，得到的结果都不一样，这就导致没法直接判断它们的等价性。

原生编码工具的测试结果 #

Python 测试（使用urllib.parse.quote） #

直接对两个URL进行编码，结果差异很明显：

import urllib.parse

url4 = "http://b93.com:80/~smith/home.html"
url5 = "http://b93.com/%7Esmith/home.html"

print(urllib.parse.quote(url4))
# 输出: 'http%3A//b93.com%3A80/~smith/home.html'
print(urllib.parse.quote(url5))
# 输出: 'http%3A//b93.com/%257Esmith/home.html'

JavaScript 测试（使用encodeURIComponent） #

同样的，用JS的原生编码方法处理后，结果也不一致：

const p1 = encodeURIComponent("http://b93.com:80/~smith/home.html");
const p2 = encodeURIComponent("http://b93.com/%7Esmith/home.html");

console.log(p1); // 输出: http%3A%2F%2Fb93.com%3A80%2F~smith%2Fhome.html
console.log(p2); // 输出: http%3A%2F%2Fb93.com%2F%257Esmith%2Fhome.html

解决方案：URL标准化 #

当时我一直在想怎么正确比较这些编码后的字符串，后来发现Node.js的normalize-url库能完美解决这个问题——它会将等价的URL标准化为统一的格式，自动处理编码差异、默认端口等细节：

const normalizeUrl = require('normalize-url');

const n1 = normalizeUrl("http://b93.com:80/~smith/home.html");
const n2 = normalizeUrl("http://b93.com/%7Esmith/home.html");

console.log(n1); // 输出: http://b93.com/~smith/home.html
console.log(n2); // 输出: http://b93.com/~smith/home.html

经过标准化处理后，两个原本编码不同但等价的URL就完全一致了，问题顺利解决。

内容的提问来源于stack exchange，提问作者Richard Rublev