Tabla completa de caracteres codificados en URL (ASCII + Unicode)

Caracteres de control y especiales de ASCII

Los caracteres ASCII en el rango 0-31 y el carácter 127 son caracteres de control. No son imprimibles y siempre deben codificarse mediante percent-encoding en las URL. Los caracteres de control que aparecen con más frecuencia en contextos de URL son el espacio (ASCII 32), el tabulador horizontal (ASCII 9) y los caracteres de nueva línea (ASCII 10 y 13).

Según el RFC 3986, cualquier octeto que no sea un carácter no reservado, un carácter reservado usado con su propósito reservado o un triplete percent-encoded debe codificarse mediante percent-encoding. En la práctica, esto significa que la mayoría de los caracteres no alfanuméricos deberían codificarse en los componentes de un URI.

Carácter	Código ASCII	Codificado en URL	Descripción
(tab)	9	%09	Tabulador horizontal
(LF)	10	%0A	Salto de línea
(CR)	13	%0D	Retorno de carro
(espacio)	32	%20	Espacio

Caracteres ASCII imprimibles

A continuación se muestra una referencia completa de todos los caracteres ASCII imprimibles (códigos 32-126) y sus formas codificadas en URL. Los caracteres marcados como "no reservados" en el RFC 3986 no requieren codificación. Los caracteres reservados deben codificarse cuando se usan fuera de su propósito reservado.

Carácter	ASCII	Hex	Codificado en URL	Tipo
(espacio)	32	20	%20	Especial
!	33	21	%21	Reservado
"	34	22	%22	Inseguro
#	35	23	%23	Reservado
$	36	24	%24	Reservado
%	37	25	%25	Especial
&	38	26	%26	Reservado
'	39	27	%27	Reservado
(	40	28	%28	Reservado
)	41	29	%29	Reservado
*	42	2A	%2A	Reservado
+	43	2B	%2B	Reservado
,	44	2C	%2C	Reservado
-	45	2D	%2D	No reservado
.	46	2E	%2E	No reservado
/	47	2F	%2F	Reservado
0-9	48-57	30-39	No requerido	No reservado
:	58	3A	%3A	Reservado
;	59	3B	%3B	Reservado
<	60	3C	%3C	Inseguro
=	61	3D	%3D	Reservado
>	62	3E	%3E	Inseguro
?	63	3F	%3F	Reservado
@	64	40	%40	Reservado
A-Z	65-90	41-5A	No requerido	No reservado
[	91	5B	%5B	Reservado
\	92	5C	%5C	Inseguro
]	93	5D	%5D	Reservado
^	94	5E	%5E	Inseguro
_	95	5F	%5F	No reservado
`	96	60	%60	Inseguro
a-z	97-122	61-7A	No requerido	No reservado
{	123	7B	%7B	Inseguro
|	124	7C	%7C	Inseguro
}	125	7D	%7D	Inseguro
~	126	7E	%7E	No reservado

Codificaciones Unicode habituales

Los caracteres Unicode se codifican primero en su secuencia de bytes UTF-8 y, a continuación, cada byte se codifica individualmente mediante percent-encoding. Los caracteres multibyte producen varios tripletes percent-encoded.

Carácter	Descripción	Bytes UTF-8	Codificado en URL
a con diéresis	Letra latina minúscula A con diéresis	C3 A4	%C3%A4
n con tilde	Letra latina minúscula N con tilde	C3 B1	%C3%B1
e con acento agudo	Letra latina minúscula E con acento agudo	C3 A9	%C3%A9
u con diéresis	Letra latina minúscula U con diéresis	C3 BC	%C3%BC
Signo de euro	Signo de euro	E2 82 AC	%E2%82%AC
Signo de libra	Signo de libra	C2 A3	%C2%A3
Signo de yen	Signo de yen	C2 A5	%C2%A5
CJK zhong	Ideograma unificado CJK (medio)	E4 B8 AD	%E4%B8%AD
Ya cirílica	Letra cirílica mayúscula Ya	D0 AF	%D0%AF
Ba árabe	Letra árabe Ba	D8 A8	%D8%A8

Cómo se codifican los caracteres multibyte

UTF-8 utiliza un esquema de codificación de longitud variable. Los caracteres en el rango ASCII (0-127) usan un byte. Los caracteres fuera de este rango usan de dos a cuatro bytes. Al aplicar percent-encoding, cada byte de la representación UTF-8 se convierte en un triplete %XX independiente.

Caracteres de dos bytes (U+0080 a U+07FF): Incluyen la mayoría de los caracteres latinos extendidos, griegos, cirílicos y árabes. Por ejemplo, la letra alemana ese sostenida (U+00DF) se codifica en los bytes UTF-8 C3 9F, que se convierten en %C3%9F.

Caracteres de tres bytes (U+0800 a U+FFFF): Incluyen los caracteres CJK, la mayoría de los símbolos y el Plano Multilingüe Básico. Por ejemplo, el carácter hiragana japonés (U+3042) se codifica en los bytes UTF-8 E3 81 82, que se convierten en %E3%81%82.

Caracteres de cuatro bytes (U+10000 a U+10FFFF): Incluyen los emojis y los caracteres suplementarios. Por ejemplo, el emoji de cara sonriente (U+1F600) se codifica en los bytes UTF-8 F0 9F 98 80, que se convierten en %F0%9F%98%80.

// Demostración en JavaScript de la codificación multibyte
console.log(encodeURIComponent('u with umlaut'));
// Dos bytes: "%C3%BC"

console.log(encodeURIComponent('CJK char'));
// Tres bytes: "%E4%B8%AD"

console.log(encodeURIComponent('emoji'));
// Cuatro bytes: "%F0%9F%98%80"

// Puedes verificarlo decodificando
console.log(decodeURIComponent('%C3%BC'));  // u con diéresis
console.log(decodeURIComponent('%E4%B8%AD')); // carácter CJK