Các ký tự được phép trong một URL

Có ai biết danh sách đầy đủ các ký tự có thể được sử dụng trong GET mà không được mã hóa không? Hiện tại tôi đang sử dụng AZ az và 0-9 ... nhưng tôi đang tìm hiểu danh sách đầy đủ.

Tôi cũng quan tâm đến việc có một đặc điểm kỹ thuật nào được phát hành cho sự bổ sung sắp tới của url tiếng Trung, tiếng Ả Rập (vì rõ ràng điều đó sẽ có tác động lớn đến câu hỏi của tôi)

Từ đặc tả RFC 1738 :

Do đó, chỉ các chữ số, ký tự đặc biệt " $-_.+!*'()," và các ký tự dành riêng được sử dụng cho mục đích dành riêng của chúng có thể được sử dụng không được mã hóa trong một URL.

EDIT: Như @Jukka K. Korpela chỉ ra chính xác, RFC này đã được cập nhật bởi RFC 3986 . Điều này đã mở rộng và làm rõ các ký tự hợp lệ cho máy chủ, tiếc là nó không dễ dàng sao chép và dán, nhưng tôi sẽ làm hết sức mình.

Theo thứ tự khớp đầu tiên:

host        = IP-literal / IPv4address / reg-name

IP-literal  = "[" ( IPv6address / IPvFuture  ) "]"

IPvFuture   = "v" 1*HEXDIG "." 1*( unreserved / sub-delims / ":" )

IPv6address =         6( h16 ":" ) ls32
                  /                       "::" 5( h16 ":" ) ls32
                  / [               h16 ] "::" 4( h16 ":" ) ls32
                  / [ *1( h16 ":" ) h16 ] "::" 3( h16 ":" ) ls32
                  / [ *2( h16 ":" ) h16 ] "::" 2( h16 ":" ) ls32
                  / [ *3( h16 ":" ) h16 ] "::"    h16 ":"   ls32
                  / [ *4( h16 ":" ) h16 ] "::"              ls32
                  / [ *5( h16 ":" ) h16 ] "::"              h16
                  / [ *6( h16 ":" ) h16 ] "::"

ls32        = ( h16 ":" h16 ) / IPv4address
                  ; least-significant 32 bits of address

h16         = 1*4HEXDIG 
               ; 16 bits of address represented in hexadecimal

IPv4address = dec-octet "." dec-octet "." dec-octet "." dec-octet

dec-octet   = DIGIT                 ; 0-9
              / %x31-39 DIGIT         ; 10-99
              / "1" 2DIGIT            ; 100-199
              / "2" %x30-34 DIGIT     ; 200-249
              / "25" %x30-35          ; 250-255

reg-name    = *( unreserved / pct-encoded / sub-delims )

unreserved  = ALPHA / DIGIT / "-" / "." / "_" / "~"     <---This seems like a practical shortcut, most closely resembling original answer

reserved    = gen-delims / sub-delims

gen-delims  = ":" / "/" / "?" / "#" / "[" / "]" / "@"

sub-delims  = "!" / "$" / "&" / "'" / "(" / ")"
              / "*" / "+" / "," / ";" / "="

pct-encoded = "%" HEXDIG HEXDIG

Các ký tự được phép trong URI được bảo lưu hoặc không được bảo vệ (hoặc ký tự phần trăm là một phần của mã hóa phần trăm)

http://en.wikipedia.org/wiki/Percent-encoding#Types_of_URI_char character

cho biết đây là các ký tự không được giám sát RFC 3986 (giây 2.3) cũng như các ký tự dành riêng (giây 2.2) nếu chúng cần giữ lại ý nghĩa đặc biệt của chúng. Và cũng là một ký tự phần trăm như là một phần của mã hóa phần trăm.

Danh sách đầy đủ của 66 nhân vật không được giám sát có trong RFC3986, tại đây: http://tools.ietf.org/html/rfc3986#section-2.3

Đây là bất kỳ ký tự nào trong tập regex sau:

[A-Za-z0-9_.\-~]

Tôi đã kiểm tra nó bằng cách yêu cầu trang web của tôi (apache) với tất cả các ký tự có sẵn trên bàn phím tiếng Đức của tôi dưới dạng tham số URL:

http://example.com/?^1234567890ß´qwertzuiopü+asdfghjklöä#<yxcvbnm,.-°!"§$%&/()=? `QWERTZUIOPÜ*ASDFGHJKLÖÄ\'>YXCVBNM;:_²³{[]}\|µ@€~

Chúng không được mã hóa:

^0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ,.-!/()=?`*;:_{}[]\|~

Không được mã hóa sau urlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_

Không được mã hóa sau rawurlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~

Lưu ý: Trước khi rawurlencode()mã hóa PHP 5.3.0 ~vì RFC 1738 . Nhưng điều này đã được thay thế bởi RFC 3986 vì vậy nó an toàn để sử dụng ngay bây giờ. Nhưng tôi không hiểu tại sao ví dụ {}được mã hóa thông qua rawurlencode()vì chúng không được đề cập trong RFC 3986.

Một thử nghiệm bổ sung tôi đã thực hiện liên quan đến tự động liên kết trong các văn bản thư. Tôi đã kiểm tra Mozilla Thunderbird, aol.com, triển vọng.com, gmail.com, gmx.de và yahoo.de và họ đã liên kết đầy đủ các URL có chứa các ký tự này:

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~+#,%&=*;:@

Tất nhiên, ?cũng được liên kết, nhưng chỉ khi nó được sử dụng một lần.

Một số người bây giờ sẽ đề nghị chỉ sử dụng rawurlencode()ký tự, nhưng bạn đã bao giờ nghe nói rằng ai đó có vấn đề khi mở các trang web này chưa?

Dấu hoa thị
http://wayback.archive.org/web/*/http://google.com

Đại tá https://en.wikipedia.org/wiki/Wikipedia: About

Cộng với
https://plus.google.com/+google

Tại dấu hiệu, dấu hai chấm, dấu phẩy và dấu chấm than
https: //www.google.com/maps/place/USA/@36.2218457, ...

Do đó, các ký tự này có thể được sử dụng không bị mã hóa mà không gặp vấn đề gì. Tất nhiên bạn không nên sử dụng &;vì trình tự mã hóa như thế nào &. Lý do tương tự là hợp lệ %vì nó được sử dụng để mã hóa ký tự nói chung. Và =vì nó gán một giá trị cho một tên tham số.

Cuối cùng tôi sẽ nói nó ổn khi sử dụng những thứ chưa được mã hóa này:

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~!+,*:@

Nhưng nếu bạn mong đợi các URL được tạo ngẫu nhiên, bạn không nên sử dụng .!, vì những URL đó đánh dấu kết thúc câu và một số ứng dụng thư sẽ không tự động liên kết char cuối cùng của url. Thí dụ:

Visit http://example.com/foo=bar! !

Từ đây

Do đó, chỉ các chữ số, các ký tự đặc biệt $-_.+!*'(), và ký tự dành riêng được sử dụng cho mục đích dành riêng của chúng có thể được sử dụng không được mã hóa trong một URL.

Chúng được liệt kê trong RFC3986 . Xem ABNF Collected cho URI để xem những gì được cho phép ở đâu và các regex cho phân tích cú pháp / xác nhận.

RFC3986 định nghĩa hai bộ ký tự bạn có thể sử dụng trong URI:

• Nhân vật dành riêng ::/?#[]@!$&'()*+,;=

  dành riêng = gen-delims / sub delims

  gen-delims = ":" / "/" / "?" / "#" / "[" / "]" / "@"

  phân định phụ = "!" / "$" / "&" / "'" / "(" / ")" / "*" / "+" / "," / ";" / "="

  Mục đích của các ký tự dành riêng là cung cấp một tập hợp các ký tự phân cách có thể phân biệt với các dữ liệu khác trong URI. Các URI khác nhau trong việc thay thế một ký tự dành riêng bằng octet được mã hóa phần trăm tương ứng của nó là không tương đương.

• Nhân vật không được giám sát :A-Za-z0-9-_.~

  không đáp ứng = ALPHA / DIGIT / "-" / "." / "_" / "~"

  Các ký tự được cho phép trong URI nhưng không có mục đích dành riêng được gọi là không được giám sát.

Thay đổi sắp tới là dành cho tên miền tiếng Ả Rập, tiếng Ả Rập không phải là URI. Các URI quốc tế hóa được gọi là IRI và được định nghĩa trong RFC 3987 . Tuy nhiên, đã nói rằng tôi khuyên bạn không nên tự làm việc này mà chỉ dựa vào thư viện đã được thử nghiệm vì có rất nhiều lựa chọn về mã hóa / giải mã URI và những gì được coi là an toàn theo đặc tả, so với những gì an toàn khi sử dụng thực tế (trình duyệt) .

Nếu bạn muốn cung cấp một loại trải nghiệm đặc biệt cho người dùng, bạn có thể sử dụng pushStateđể đưa một loạt các ký tự vào url của trình duyệt:

var u="";var tt=168;
for(var i=0; i< 250;i++){
 var x = i+250*tt;
console.log(x);
 var c = String.fromCharCode(x);
 u+=c; 
}
history.pushState({},"",250*tt+u);