Юникод символы в URL
В 2010 году вы бы обслуживали URL-адреса, содержащие символы UTF-8, на большом веб-портале?
Символы Unicode запрещены согласно RFC на URL (см. Здесь). Они должны быть закодированы в процентах, чтобы соответствовать стандартам.
Тем не менее, моя главная мысль - это обслуживание некодированных символов с единственной целью иметь красивые URL-адреса, так что кодирование процентов отсутствует.
Все основные браузеры, кажется, анализируют эти URL-адреса нормально, независимо от того, что говорит RFC. Мое общее впечатление, однако, состоит в том, что это становится очень шатким, оставляя домен веб-браузеров:
- Копирование + вставка URL-адресов в текстовые файлы, электронные письма и даже веб-сайты с другой кодировкой
- Клиентские библиотеки HTTP
- Экзотические браузеры, RSS-ридеры
Правильно ли мое впечатление, что здесь следует ожидать неприятностей, и, таким образом, это не практичное решение (пока), если вы обслуживаете нетехническую аудиторию, и важно, чтобы все ваши ссылки работали правильно, даже если они цитируются и передаются?
Есть ли какой-то волшебный способ показывать красивые URL в HTML
http://www.example.com/düsseldorf?neighbourhood=Lörick
что может быть скопировано + вставлено с неповрежденными специальными символами, но работает правильно при повторном использовании в старых клиентах?
7 ответов
Используйте процентное кодирование. Современные браузеры позаботятся о проблемах отображения и вставки и сделают их удобочитаемыми. Например http://ko.wikipedia.org/wiki/위키백과:대문
Редактировать: когда вы копируете такой URL в Firefox, буфер обмена будет содержать закодированную в процентах форму (что обычно хорошо), но если вы скопируете только ее часть, она останется незакодированной.
Что сказал Тгр. Фон:
http://www.example.com/düsseldorf?neighbourhood=Lörick
Это не URI. Но это IRI.
Вы не можете включить IRI в документ HTML4; тип атрибутов, таких как href определяется как URI, а не IRI. В любом случае некоторые браузеры будут обрабатывать IRI, но это не очень хорошая идея.
Чтобы кодировать IRI в URI, взять части пути и запроса, кодировать их в UTF-8, а затем в процентах кодировать байты не-ASCII:
http://www.example.com/d%C3%BCsseldorf?neighbourhood=L%C3%B6rick
Если в части имени хоста IRI есть не-ASCII-символы, например, http://例え.テスト/ вместо этого они были закодированы с использованием Punycode.
Теперь у вас есть URI. Это ужасный URI. Но большинство браузеров скрывают это для вас: скопируйте и вставьте его в адресную строку или перейдите по ссылке, и вы увидите, что оно отображается с оригинальными символами Unicode. Википедия использует это годами, например:
http://en.wikipedia.org/wiki/ɸ
Единственный браузер, поведение которого непредсказуемо и не всегда отображает симпатичную версию IRI, это...
...Ну ты знаешь.
В зависимости от вашей схемы URL, вы можете сделать кодированную часть UTF-8 "не важной". Например, если вы посмотрите на URL переполнения стека, они имеют следующую форму:
http://stackru.com/questions/2742852/unicode-characters-in-urls
Тем не менее, серверу на самом деле все равно, если вы получите деталь после неправильного идентификатора, так что это также работает:
http://stackru.com/questions/2742852/これは, これを日本語のテキストです
Так что если бы у вас был такой макет, то вы могли бы потенциально использовать UTF-8 в части после идентификатора, и это не имело бы никакого значения, если бы оно было искажено. Конечно, это, вероятно, работает только в определенных условиях...
Не уверен, что это хорошая идея, но, как уже упоминалось в других комментариях, и, насколько я понимаю, многие символы Юникода действительны в HTML5-URL.
Например, href Документы говорят http://www.w3.org/TR/html5/links.html:
Атрибут href в элементах a и area должен иметь значение, которое является допустимым URL-адресом, потенциально окруженным пробелами.
Тогда определение "действительного URL" указывает на http://url.spec.whatwg.org/, который определяет кодовые точки URL как:
ASCII буквенно-цифровой, "!", "$", "&", "'", "(", ")", "*", "+", ",", "-", ".", "/", ":", ";", "=", "?", "@", "_", "~" и кодовые точки в диапазонах от U+00A0 до U+D7FF, от U+E000 до U+FDCF, U+FDF0 до U+FFFD, U+10000 до U+1FFFD, U+20000 до U+2FFFD, U+30000 до U+3FFFD, U+40000 до U+4FFFD, U+50000 до U+5FFFD, U+60000 до U+6FFFD, U+70000 до U+7FFFD, U+80000 до U+8FFFD, U+90000 до U+9FFFD, U+A0000 до U+AFFFD, U+B0000 до U+BFFFD, U+C0000 до U+CFFFD, от U + D0000 до U + DFFFD, от U+E1000 до U+EFFFD, от U + F0000 до U + FFFFD, от U+100000 до U+10FFFD.
Затем термин "кодовые точки URL" используется в нескольких частях алгоритма синтаксического анализа, например, для состояния относительного пути:
Если c не является точкой кода URL и не "%", ошибка синтаксического анализа.
Также валидатор http://validator.w3.org/ передает URL-адреса, такие как "你好", и не подходит для URL с символами, такими как пробелы "a b"
Поскольку все эти комментарии верны, вы должны заметить, что поскольку ICANN одобрила арабские (персидские) и китайские символы для регистрации в качестве доменного имени, все компании-производители браузеров (Microsoft, Mozilla, Apple и т. Д.) Должны поддержка Unicode в URL без какой-либо кодировки, и они должны быть доступны для поиска в Google и т. д.
Таким образом, эта проблема будет решена как можно скорее.
Для меня это правильный путь, это просто сработало:
$linker = rawurldecode("$link");
<a href="<?php echo $link;?>" target="_blank"><?php echo $linker ;?></a>
Это сработало, и теперь ссылки отображаются правильно:
http://newspaper.annahar.com/article/121638-معرض - جوزف-حرب-في-غاليري-جانين-ربيز-لوحاته-الجدية-تبحث-وتكتشف-وتل شفام
Ссылка найдена на:
Используйте процентную форму. Некоторые (в основном старые) компьютеры, работающие под управлением Windows XP, например, не поддерживают Unicode, а скорее кодировки ISO. Вот почему были изобретены процентные URL-адреса. Кроме того, если вы дадите пользователю напечатанный на бумаге URL-адрес, содержащий символы, которые нелегко набрать, этому пользователю может быть трудно набрать его (или просто проигнорировать). Процентно-закодированная форма может даже использоваться на многих из самых старых машин, которые когда-либо существовали (хотя они, конечно, не поддерживают Интернет).
Однако есть и обратная сторона: символы в процентном кодировании длиннее оригинальных, что может привести к очень длинным URL-адресам. Но просто попробуйте проигнорировать это или используйте сокращение URL (в этом случае я бы порекомендовал http://goo.gl/, который создает URL длиной 13 символов). Кроме того, если вы не хотите регистрировать учетную запись Google, попробуйте bit.ly (bit.ly делает несколько длинных URL-адресов длиной 14 символов).