Hầu hết các câu trả lời hiện có ở đây là không thực tế vì chúng hoàn toàn bỏ qua việc sử dụng các địa chỉ trong thế giới thực như:
Đầu tiên, một sự lạc đề vào thuật ngữ. Những địa chỉ này là gì? Chúng có phải là URL hợp lệ không?
Trong lịch sử, câu trả lời là "không". Theo RFC 3986 , từ năm 2005, các địa chỉ đó không phải là URI (và do đó không phải là URL, vì URL là một loại URI ). Theo thuật ngữ của các tiêu chuẩn IETF năm 2005, chúng ta nên gọi chúng là IRI (Mã định danh tài nguyên quốc tế hóa), như được định nghĩa trong RFC 3987 , về mặt kỹ thuật không phải là URI nhưng có thể được chuyển đổi thành URI đơn giản bằng cách mã hóa phần trăm tất cả các ký tự không phải ASCII trong IRI .
Theo thông số kỹ thuật hiện đại, câu trả lời là "có". Các mức sống WHATWG chỉ đơn giản là phân loại tất cả mọi thứ mà trước đây sẽ được gọi là "URI" hoặc "IRI" là "URL". Điều này phù hợp với thuật ngữ được chỉ định với cách những người bình thường không đọc thông số sử dụng từ "URL", đó là một trong những mục tiêu của thông số kỹ thuật .
Những nhân vật nào được cho phép theo Tiêu chuẩn sống WHATWG?
Theo ý nghĩa mới hơn của "URL" này, những ký tự nào được phép? Trong nhiều phần của URL, chẳng hạn như chuỗi và đường dẫn truy vấn, chúng tôi được phép sử dụng các "đơn vị URL" tùy ý , đó là
Điểm mã URL và byte được mã hóa phần trăm .
"Điểm mã URL" là gì?
Các điểm mã URL là ASCII chữ và số, U + 0021 (!), U + 0024 ($), U + 0026 (&), U + 0027 ('), U + 0028 PARENTHESIS, U + 0029 PARENTHESIS, U + 0029 002A (*), U + 002B (+), U + 002C (,), U + 002D (-), U + 002E (.), U + 002F (/), U + 003A (:), U + 003B (;), U + 003D (=), U + 003F (?), U + 0040 (@), U + 005F (_), U + 007E (~) và các điểm mã trong phạm vi U + 00A0 đến U + 10FFFD, bao gồm, không bao gồm đại diện thay thế và không ký tự.
(Lưu ý rằng danh sách "điểm mã URL" không bao gồm %, nhưng điều đó %được cho phép trong "đơn vị mã URL" nếu chúng là một phần của chuỗi mã hóa phần trăm.)
Nơi duy nhất tôi có thể phát hiện ra nơi thông số kỹ thuật cho phép sử dụng bất kỳ ký tự nào không có trong bộ này là trong máy chủ lưu trữ , nơi các địa chỉ IPv6 được đặt trong [và các ]ký tự. Ở mọi nơi khác trong URL, các đơn vị URL được cho phép hoặc một số bộ ký tự thậm chí còn hạn chế hơn.
Những nhân vật nào được cho phép theo RFC cũ?
Vì lợi ích của lịch sử và vì nó không được khám phá đầy đủ ở những nơi khác trong các câu trả lời ở đây, chúng ta hãy kiểm tra được cho phép theo cặp thông số kỹ thuật cũ hơn.
Trước hết, chúng tôi có hai loại ký tự dành riêng RFC 3986 :
:/?#[]@, là một phần của cú pháp chung cho URI được xác định trong RFC 3986!$&'()*+,;=, không phải là một phần của cú pháp chung của RFC, nhưng được dành riêng để sử dụng làm thành phần cú pháp của các lược đồ URI cụ thể. Ví dụ, dấu chấm phẩy và dấu phẩy được sử dụng như một phần của cú pháp của URI dữ liệu , và &và =được sử dụng như một phần của phổ biến ?foo=bar&qux=bazđịnh dạng trong chuỗi truy vấn (mà không được quy định bởi RFC 3986).
Bất kỳ ký tự dành riêng nào ở trên đều có thể được sử dụng hợp pháp trong URI mà không cần mã hóa, để phục vụ mục đích cú pháp của chúng hoặc chỉ là ký tự chữ trong dữ liệu ở một số nơi mà việc sử dụng đó không thể bị hiểu sai là ký tự phục vụ mục đích cú pháp của nó. (Ví dụ: mặc dù /có ý nghĩa cú pháp trong một URL, bạn có thể sử dụng nó không được mã hóa trong chuỗi truy vấn, vì nó không có nghĩa trong chuỗi truy vấn.)
RFC 3986 cũng chỉ định một số ký tự không được giám sát , luôn có thể được sử dụng đơn giản để thể hiện dữ liệu mà không cần mã hóa:
abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789-._~
Cuối cùng, %bản thân nhân vật được phép mã hóa phần trăm.
Chỉ để lại các ký tự ASCII sau bị cấm xuất hiện trong URL:
- Các ký tự điều khiển (ký tự 0-1F và 7F), bao gồm dòng mới, tab và trả về vận chuyển.
"<>\^`{|}
Mọi ký tự khác từ ASCII đều có thể xuất hiện hợp pháp trong một URL.
Sau đó, RFC 3987 mở rộng tập hợp các ký tự không được giám sát với các phạm vi ký tự unicode sau:
%xA0-D7FF / %xF900-FDCF / %xFDF0-FFEF
/ %x10000-1FFFD / %x20000-2FFFD / %x30000-3FFFD
/ %x40000-4FFFD / %x50000-5FFFD / %x60000-6FFFD
/ %x70000-7FFFD / %x80000-8FFFD / %x90000-9FFFD
/ %xA0000-AFFFD / %xB0000-BFFFD / %xC0000-CFFFD
/ %xD0000-DFFFD / %xE1000-EFFFD
Các lựa chọn khối này từ thông số kỹ thuật cũ có vẻ kỳ quái và tùy tiện đưa ra các định nghĩa khối Unicode mới nhất ; điều này có lẽ là do các khối đã được thêm vào trong thập kỷ kể từ khi RFC 3987 được viết.
Cuối cùng, có lẽ đáng lưu ý rằng chỉ cần biết các ký tự nào có thể xuất hiện hợp pháp trong URL là không đủ để nhận ra một số chuỗi đã cho có phải là URL hợp pháp hay không, vì một số ký tự chỉ hợp pháp trong các phần cụ thể của URL. Ví dụ: các ký tự dành riêng [và ]hợp pháp là một phần của máy chủ lưu trữ bằng chữ IPv6 trong một URL như http: // [1080 :: 8: 800: 200C: 417A] / foo nhưng không hợp pháp trong bất kỳ ngữ cảnh nào khác, vì vậy, Ví dụ của OP http://example.com/file[/].htmllà bất hợp pháp.