Ký tự Unicode trong URL

Trong năm 2010, bạn có phục vụ các URL chứa ký tự UTF-8 trong một cổng web lớn không?

Các ký tự Unicode bị cấm theo RFC trên các URL (xem tại đây ). Chúng sẽ phải được mã hóa phần trăm để tuân thủ các tiêu chuẩn.

Tuy nhiên, quan điểm chính của tôi là phục vụ các ký tự chưa được mã hóa cho mục đích duy nhất là có các URL trông đẹp mắt, do đó, phần trăm mã hóa đã bị loại bỏ.

Tất cả các trình duyệt chính dường như đang phân tích các URL đó đều ổn cho dù RFC nói gì. Tuy nhiên, ấn tượng chung của tôi là nó rất run khi rời khỏi miền của các trình duyệt web:

• Các URL được sao chép + dán vào tệp văn bản, Email, thậm chí các trang web có mã hóa khác
• Thư viện máy khách HTTP
• Trình duyệt kỳ lạ, trình đọc RSS

Có phải ấn tượng của tôi là chính xác rằng rắc rối sẽ xảy ra ở đây, và do đó nó không phải là một giải pháp thực tế (nếu) bạn đang phục vụ một đối tượng phi kỹ thuật và điều quan trọng là tất cả các liên kết của bạn đều hoạt động tốt ngay cả khi được trích dẫn và truyền lại?

Có một số cách kỳ diệu để phục vụ các URL có giao diện đẹp trong HTML

http://www.example.com/düsseldorf?neighbourhood=Lörick

có thể được sao chép + dán với các ký tự đặc biệt nguyên vẹn, nhưng hoạt động chính xác khi được sử dụng lại trong các máy khách cũ?

Sử dụng mã hóa phần trăm. Các trình duyệt hiện đại sẽ quan tâm đến các vấn đề hiển thị và dán và làm cho nó dễ đọc hơn. Ví dụ. http://ko.wikipedia.org/wiki/:

Chỉnh sửa: khi bạn sao chép một url như vậy trong Firefox, bảng tạm sẽ giữ dạng được mã hóa phần trăm (thường là một điều tốt), nhưng nếu bạn chỉ sao chép một phần của nó, nó sẽ vẫn không được mã hóa.

Những gì Tgr nói. Lý lịch:

http://www.example.com/düsseldorf?neighbourhood=Lörick

Đó không phải là một URI. Nhưng đó là một IRI .

Bạn không thể bao gồm IRI trong tài liệu HTML4; loại thuộc tính như hrefđược định nghĩa là URI chứ không phải IRI. Một số trình duyệt sẽ xử lý IRI ở đây dù sao, nhưng đó không thực sự là một ý tưởng hay.

Để mã hóa IRI thành URI, lấy đường dẫn và các phần truy vấn, UTF-8 - mã hóa chúng sau đó mã hóa phần trăm các byte không phải ASCII:

http://www.example.com/d%C3%BCsseldorf?neighbourhood=L%C3%B6rick

Nếu có các ký tự không phải ASCII trong phần tên máy chủ của IRI, vd. http://例え.テスト/, chúng đã được mã hóa bằng Punycode thay thế.

Bây giờ bạn có một URI. Đó là một URI xấu xí. Nhưng hầu hết các trình duyệt sẽ ẩn điều đó cho bạn: sao chép và dán nó vào thanh địa chỉ hoặc theo dõi nó trong một liên kết và bạn sẽ thấy nó được hiển thị với các ký tự Unicode gốc. Wikipedia đã sử dụng điều này trong nhiều năm, ví dụ:

http://en.wikipedia.org/wiki/ɸ

Một trình duyệt có hành vi không thể đoán trước và không phải lúc nào cũng hiển thị phiên bản IRI đẹp là ...

... Tốt, bạn biết đấy.

Tùy thuộc vào lược đồ URL của bạn, bạn có thể làm cho phần được mã hóa UTF-8 "không quan trọng". Ví dụ: nếu bạn xem URL chồng chéo, chúng có dạng sau:

http://stackoverflow.com/questions/2742852/unicode-char character-in-urls

Tuy nhiên, máy chủ không thực sự quan tâm nếu bạn nhận được phần sau khi định danh sai, vì vậy điều này cũng hoạt động:

http://stackoverflow.com/questions/2742852/ こ れ は 、 こ れ を 日本語 の テ

Vì vậy, nếu bạn có bố cục như thế này, thì bạn có khả năng có thể sử dụng UTF-8 trong phần sau mã định danh và sẽ không thực sự quan trọng nếu nó bị cắt xén. Tất nhiên điều này có lẽ chỉ hoạt động trong hoàn cảnh hơi chuyên biệt ...

Không chắc đó có phải là một ý tưởng hay không, nhưng như đã đề cập trong các nhận xét khác và như tôi diễn giải, nhiều ký tự Unicode có giá trị trong các URL HTML5 .

Ví dụ: các hreftài liệu nói rằng http://www.w3.org/TR/html5/links.html#attr-hyperlink-href :

Thuộc tính href trên phần tử a và khu vực phải có giá trị là URL hợp lệ có khả năng được bao quanh bởi khoảng trắng.

Sau đó, định nghĩa của "URL hợp lệ" trỏ đến http://url.spec.whatwg.org/ , định nghĩa các điểm mã URL là:

Chữ cái ASCII, "!", "$", "&", "'", "(", ")", "*", "+", ",", "-", ".", "/" , ":", ";", "=", "?", "@", "_", "~" và các điểm mã trong phạm vi U + 00A0 đến U + D7FF, U + E000 đến U + FDCF , U + FDF0 thành U + FFFD, U + 10000 đến U + 1FFFD, U + 20000 đến U + 2FFFD, U + 30000 đến U + 3FFFD, U + 40000 đến U + 4FFFD, U + 50000 đến U + 5FFFD, U +60000 đến U + 6FFFD, U + 70000 đến U + 7FFFD, U + 80000 đến U + 8FFFD, U + 90000 đến U + 9FFFD, U + A0000 đến U + AFFFD, U + B0000 đến U + BFFFD, U + B0000 đến U + CFFFD, U + D0000 đến U + DFFFD, U + E1000 sang U + EFFFD, U + F0000 sang U + FFFFD, U + 100000 đến U + 10FFFD.

Thuật ngữ "điểm mã URL" sau đó được sử dụng trong một số phần của thuật toán phân tích cú pháp, ví dụ: đối với trạng thái đường dẫn tương đối :

Nếu c không phải là điểm mã URL và không phải là "%", lỗi phân tích cú pháp.

Đồng thời, trình xác thực http://validator.w3.org/ chuyển cho các URL như "你好"và không chuyển cho các URL có các ký tự như dấu cách"a b"

Liên quan: Những ký tự nào làm cho URL không hợp lệ?

Vì tất cả các ý kiến ​​này đều đúng, bạn nên lưu ý rằng theo như ICANN chấp thuận các ký tự tiếng Ả Rập (tiếng Ba Tư) và tiếng Trung để được đăng ký làm Tên miền, tất cả các công ty sản xuất trình duyệt (Microsoft, Mozilla, Apple, v.v.) phải hỗ trợ Unicode trong URL mà không cần bất kỳ mã hóa nào và Google có thể tìm kiếm được, v.v.

Vì vậy, vấn đề này sẽ giải quyết càng sớm càng tốt.

Sử dụng hình thức mã hóa phần trăm . Ví dụ, một số máy tính (chủ yếu là cũ) chạy Windows XP không hỗ trợ Unicode, mà là mã hóa ISO. Đó là lý do URL được mã hóa phần trăm được phát minh. Ngoài ra, nếu bạn cung cấp một URL được in trên giấy cho người dùng, có chứa các ký tự không thể gõ dễ dàng, người dùng đó có thể gặp khó khăn khi nhập nó (hoặc chỉ cần bỏ qua nó). Dạng mã hóa phần trăm thậm chí có thể được sử dụng trong nhiều máy móc lâu đời nhất từng tồn tại (mặc dù tất nhiên chúng không hỗ trợ internet).

Mặc dù có một nhược điểm, vì các ký tự được mã hóa phần trăm dài hơn các ký tự gốc, do đó có thể dẫn đến các URL thực sự dài. Nhưng chỉ cần cố gắng bỏ qua nó hoặc sử dụng trình rút ngắn URL (tôi sẽ khuyên dùng goo.gl trong trường hợp này, điều này tạo ra một URL dài 13 ký tự). Ngoài ra, nếu bạn không muốn đăng ký tài khoản Google, hãy thử bit.ly (bit.ly tạo các URL dài hơn một chút, với độ dài là 14 ký tự).

Đối với tôi đây là cách chính xác, Điều này chỉ hoạt động:

    $linker = rawurldecode("$link");
    <a href="<?php echo $link;?>"   target="_blank"><?php echo $linker ;?></a>

Điều này đã làm việc và bây giờ các liên kết được hiển thị đúng:

http://newspaper.annahar.com/article/121638 -معرض - جوزف-حرب-في-غغللل

Liên kết tìm thấy trên:

http://www.galeriejaninerubeiz.com/newsite/news