Tôi cần tạo một trang web sẽ có bài viết và tôi muốn tạo các URL thân thiện cho nó, ví dụ: URL của trang có

Tiêu đề: Bài kiểm tra

nên trở thành : http://www.example.com/articles/article_test.

Tất nhiên tôi cần xóa một số ký tự khỏi tiêu đề như ?hoặc #, nhưng tôi không chắc nên xóa những ký tự nào.

Ai đó có thể cho tôi biết những nhân vật an toàn để giữ?

Để trích dẫn phần 2.3 của RFC 3986 :

"Các ký tự được cho phép trong URI nhưng không có mục đích dành riêng được gọi là không được giám sát. Chúng bao gồm chữ hoa và chữ thường, chữ số thập phân, dấu gạch nối, dấu chấm, dấu gạch dưới và dấu ngã."

ALPHA  DIGIT  "-" / "." / "_" / "~"

Lưu ý rằng RFC 3986 liệt kê các dấu chấm câu dành riêng ít hơn RFC 2396 cũ .

Có hai bộ ký tự bạn cần để ý: dành riêng và không an toàn .

Các ký tự dành riêng là:

• ký hiệu ("&")
• đô la ("$")
• dấu cộng ("+")
• dấu phẩy (",")
• dấu gạch chéo ("/")
• Đại tràng (":")
• bán đại tràng (";")
• bằng ("=")
• dấu chấm hỏi ("?")
• Biểu tượng 'Tại' ("@")
• bảng Anh ("#").

Các ký tự thường được coi là không an toàn là:

• không gian (" ")
• nhỏ hơn và lớn hơn ("<>")
• mở và đóng ngoặc ("[]")
• niềng răng mở và đóng ("{}")
• ống ("|")
• dấu gạch chéo ngược ("\")
• dấu mũ ("^")
• phần trăm ("%")

Tôi có thể đã quên một hoặc nhiều, điều đó dẫn đến việc tôi lặp lại câu trả lời của Carl V. Về lâu dài, có lẽ bạn nên sử dụng một "danh sách trắng" các ký tự được phép và sau đó mã hóa chuỗi thay vì cố gắng bám sát các ký tự không được máy chủ và hệ thống cho phép.

Tốt nhất bạn chỉ giữ một số ký tự (danh sách trắng) thay vì xóa một số ký tự (danh sách đen).

Về mặt kỹ thuật, bạn có thể cho phép bất kỳ ký tự nào, miễn là bạn mã hóa chính xác nó. Nhưng, để trả lời theo tinh thần của câu hỏi, bạn chỉ nên cho phép những nhân vật này:

1. Chữ thường (chuyển chữ hoa sang chữ thường)
2. Số, 0 đến 9
3. Dấu gạch ngang - hoặc gạch dưới _
4. Dấu ngã ~

Mọi thứ khác đều có một ý nghĩa đặc biệt. Ví dụ: bạn có thể nghĩ rằng bạn có thể sử dụng +, nhưng nó có thể được thay thế bằng khoảng trắng. & cũng nguy hiểm, đặc biệt nếu sử dụng một số quy tắc viết lại.

Cũng như các ý kiến ​​khác, hãy kiểm tra các tiêu chuẩn và thông số kỹ thuật để biết chi tiết đầy đủ.

Luôn an toàn

Đây là an toàn (về lý thuyết / thông số kỹ thuật), về cơ bản bất cứ nơi nào ngoại trừ tên miền.
Phần trăm mã hóa bất cứ thứ gì không được liệt kê, và bạn tốt để đi.

    A-Z a-z 0-9 - . _ ~ ( ) ' ! * : @ , ;

Đôi khi an toàn

Chỉ an toàn khi được sử dụng trong các thành phần URL cụ thể; sử dụng cẩn thận.

    Paths:     + & =
    Queries:   ? /
    Fragments: ? / # + & =
    

Không bao giờ an toàn

Theo thông số URI (RFC 3986), tất cả các ký tự khác phải được mã hóa theo phần trăm. Điêu nay bao gôm:

    <space> <control-characters> <extended-ascii> <unicode>
    % < > [ ] { } | \ ^
    

Nếu khả năng tương thích tối đa là một mối quan tâm, hãy giới hạn bộ ký tự ở AZ az 0-9 - _.
(với các khoảng thời gian chỉ dành cho phần mở rộng tên tệp).

Giữ bối cảnh trong tâm trí

Ngay cả khi hợp lệ cho mỗi thông số, một URL vẫn có thể "không an toàn", tùy thuộc vào ngữ cảnh. Chẳng hạn như một tệp: /// URL chứa các ký tự tên tệp không hợp lệ hoặc thành phần truy vấn có chứa "?", "=" Và "&" khi không được sử dụng làm dấu phân cách. Việc xử lý chính xác các trường hợp này thường tùy thuộc vào kịch bản của bạn và có thể được xử lý, nhưng đó là điều cần lưu ý.

Nhìn vào RFC3986 - Mã định danh tài nguyên đồng nhất (URI): Cú pháp chung , câu hỏi của bạn xoay quanh thành phần đường dẫn của URI.

    foo://example.com:8042/over/there?name=ferret#nose
     \_/   \______________/\_________/ \_________/ \__/
      |           |            |            |        |
   scheme     authority       path        query   fragment
      |   _____________________|__
     / \ /                        \
     urn:example:animal:ferret:nose

Trích dẫn phần 3.3, các ký tự hợp lệ cho một URI segmentcó kiểu pchar:

pchar = unreserved / pct -oding / sub-delims / ":" / "@"

Mà phá vỡ để:

ALPHA / DIGIT / "-" / "." / "_" / "~"

pct-encoded

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

":" / "@"

Hay nói cách khác: Bạn có thể sử dụng bất kỳ (không control) nhân vật từ các bảng mã ASCII , ngoại trừ / , ?, #, [và] .

Sự hiểu biết này được hỗ trợ bởi RFC1738 - Bộ định vị tài nguyên thống nhất (URL) .

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

Từ bối cảnh bạn mô tả, tôi nghi ngờ rằng những gì bạn thực sự đang cố gắng thực hiện là một thứ gọi là 'sên SEO'. Thực hành phổ biến nhất được biết đến cho những người là:

1. Chuyển đổi sang chữ thường
2. Chuyển đổi toàn bộ chuỗi ký tự khác với az và 0-9 thành một dấu gạch nối (-) (không phải dấu gạch dưới)
3. Xóa 'các từ dừng' khỏi URL, nghĩa là các từ không có ý nghĩa - có thể lập chỉ mục như 'a', 'an' và 'the'; Google 'dừng từ' cho danh sách mở rộng

Vì vậy, như một ví dụ, một bài báo có tiêu đề "Cách sử dụng! @% $ * Để thể hiện sự chửi thề trong truyện tranh" sẽ nhận được một loạt "sử dụng-đại diện-chửi thề-truyện tranh".

Định dạng cho một URI được xác định trong RFC 3986 . Xem phần 3.3 để biết chi tiết.

Từ góc độ SEO, dấu gạch ngang được ưa thích hơn so với dấu gạch dưới. Chuyển đổi thành chữ thường, loại bỏ tất cả các dấu nháy đơn, sau đó thay thế tất cả các chuỗi ký tự không chữ và số bằng một dấu gạch nối. Cắt bớt các dấu gạch nối thừa ra khỏi đầu và kết thúc.

Tôi đã có vấn đề tương tự, tôi muốn có các url đẹp và đi đến kết luận rằng tôi phải chỉ cho phép các chữ cái, chữ số, và _ trong các url. Điều đó là tốt, sau đó tôi đã viết một số regex tốt đẹp và tôi nhận ra rằng nó nhận ra tất cả các ký tự UTF8 không phải là chữ cái trong .NET và đã bị vặn. Điều này dường như là một vấn đề biết cho công cụ regex .NET. VÌ tôi đã nhận được giải pháp này:

private static string GetTitleForUrlDisplay(string title)
{
    if (!string.IsNullOrEmpty(title))
    {
        return Regex.Replace(Regex.Replace(title, @"[^A-Za-z0-9_-]", new MatchEvaluator(CharacterTester)).Replace(' ', '-').TrimStart('-').TrimEnd('-'), "[-]+", "-").ToLower();
    }
    return string.Empty;
}


/// <summary>
/// All characters that do not match the patter, will get to this method, i.e. useful for unicode chars, because
/// .NET impl of regext do not handle unicode chars. So we use char.IsLetterOrDigit() which works nicely and we 
/// return what we approve and return - for everything else.
/// </summary>
/// <param name="m"></param>
/// <returns></returns>
private static string CharacterTester(Match m)
{
    string x = m.ToString();
    if (x.Length > 0 && char.IsLetterOrDigit(x[0]))
    {
        return x.ToLower();
    }
    else
    {
        return "-";
    }
}

Tôi thấy rất hữu ích khi mã hóa url của mình thành an toàn khi tôi trả lại giá trị thông qua ajax / php thành một url sau đó được đọc lại bởi trang.

Đầu ra PHP với bộ mã hóa url cho ký tự đặc biệt &

//PHP returning the sucess info of ajax request
echo "".str_replace('&','%26',$_POST['name'])." category was changed";

//javascript sending the value to url
window.location.href='time.php?return=updated&val='+msg;

//javascript/php executing the function printing the value of the url,
//now with the text normally lost in space because of the reserved & character.

setTimeout("infoApp('updated','<?php echo $_GET['val'];?>');",360);

Hy vọng bất cứ ai tìm thấy trích xuất mã nhỏ của tôi hữu ích! :)

Tôi nghĩ rằng bạn đang tìm kiếm một cái gì đó như "Mã hóa URL" - mã hóa một URL để nó "an toàn" để sử dụng trên web:

Đây là một tài liệu tham khảo cho điều đó. Nếu bạn không muốn bất kỳ ký tự đặc biệt nào, chỉ cần xóa bất kỳ ký tự nào yêu cầu mã hóa URL:

http://www.w3schools.com/TAGS/ref_urlencode.asp

Từ 3-50 ký tự. Có thể chứa chữ cái thường, số và ký tự đặc biệt - dấu chấm (.), Dấu gạch ngang (-), dấu gạch dưới (_) và ở tỷ lệ (@).