Bir URL'de izin verilen karakterler

Herkes kodlanmadan bir GET içinde kullanılabilecek karakterlerin tam listesini biliyor mu? Şu anda AZ az ve 0-9 kullanıyorum ... ama tam listeyi bulmak istiyorum.

Ayrıca, Çin, Arap url'lerinin yakında ekleneceği için bir spesifikasyon olup olmadığı da ilgileniyorum (açıkçası bu benim sorum üzerinde büyük bir etkisi olacak)

Gönderen RFC 1738 spesifikasyonu:

Bu nedenle, yalnızca alfasayısallar, " $-_.+!*'()," özel karakterleri ve ayrılmış amaçları için kullanılan ayrılmış karakterler bir URL içinde kodlanmamış olarak kullanılabilir.

EDIT: @Jukka K. Korpela doğru olarak işaret ettiği gibi, bu RFC RFC 3986 tarafından güncellendi . Bu, host için geçerli karakterleri genişletti ve açıklığa kavuşturdu, maalesef kolayca kopyalanıp yapıştırılmadı, ama elimden geleni yapacağım.

İlk eşleşen sırayla:

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

Bir URI'de izin verilen karakterler ayrılmış veya kaydedilmemiş (veya yüzde kodlamasının bir parçası olarak yüzde karakteri)

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

bunların RFC 3986 korunmayan karakterleri (sn. 2.3) ve özel anlamlarını korumaları gerekiyorsa ayrılmış karakterler (sn 2.2) olduğunu belirtir . Ve ayrıca yüzde kodlamanın bir parçası olarak yüzde karakteri.

Kaydedilmemiş 66 karakterin tam listesi RFC3986'dadır: http://tools.ietf.org/html/rfc3986#section-2.3

Bu, aşağıdaki normal ifade kümesindeki herhangi bir karakterdir:

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

URL parametresi olarak Alman klavyemdeki mevcut tüm karakterlerle web sitemi (apache) isteyerek test ettim:

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

Bunlar kodlanmamıştır:

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

Sonra kodlanmadı urlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_

Sonra kodlanmadı rawurlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~

Not: PHP 5.3.0'dan önce RFC 1738 nedeniyle rawurlencode()kodlanmıştır . Ancak bu RFC 3986 ile değiştirildi, bu yüzden şimdi kullanımı güvenlidir. Ancak, örneğin neden kodlandığını anlamıyorum çünkü RFC 3986'da belirtilmemişlerdir.~{}rawurlencode()

Yaptığım ek bir test, posta metinlerinde otomatik bağlantı ile ilgili idi. Mozilla Thunderbird, aol.com, outlook.com, gmail.com, gmx.de ve yahoo.de'yi test ettim ve bu karakterleri içeren URL'leri tamamen bağladılar:

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

Tabii ki de ?bağlantılıydı, ancak sadece bir kez kullanıldıysa.

Bazı insanlar şimdi yalnızca rawurlencode()karakterleri kullanmanızı önerir , ancak birisinin bu web sitelerini açmakta sorun yaşadığını hiç duydunuz mu?

Yıldız işareti
http://wayback.archive.org/web/*/http://google.com

İki nokta üst üste
https://en.wikipedia.org/wiki/Wikipedia:Hakkında

Artı
https://plus.google.com/+google

İşarette, İki Nokta, Virgül ve Ünlem işareti
https: //www.google.com/maps/place/USA/@36.2218457, ...

Bu nedenle bu karakterlerin sorunsuz bir şekilde kodlanmamış kullanılabilmesi gerekir. Tabii ki &;kodlama dizileri nedeniyle kullanmamalısınız &. Aynı neden, %genel olarak karakterleri kodlamak için kullanıldığı için de geçerlidir . Ve =parametre adına bir değer atar.

Sonunda bu kodlanmamış kullanmak için ok söyleyebilirim:

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

Ancak rastgele oluşturulmuş URL'ler bekliyorsanız kullanmamalısınız .!, çünkü bunlar bir cümlenin sonunu işaretler ve bazı posta uygulamaları URL'nin son karakterini otomatik olarak bağlamaz. Misal:

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

Gönderen burada

Bu nedenle, yalnızca alfasayısallar, özel karakterler $-_.+!*'(), ve ayrılmış amaçları için kullanılan ayrılmış karakterler bir URL içinde kodlanmamış olarak kullanılabilir.

Bunlar RFC3986'da listelenmiştir . Bkz URI'sındakiyle Toplanan ABNF nerede izin ve ne olduğunu görmek için regex ayrıştırma / doğrulama için.

RFC3986 , bir URI'de kullanabileceğiniz iki karakter kümesi tanımlar:

• Ayrılmış Karakterler ::/?#[]@!$&'()*+,;=

  saklıdır = gen-sınırlamaları / alt sınırlamaları

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

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

  Ayrılmış karakterlerin amacı, bir URI içindeki diğer verilerden ayırt edilebilen bir dizi sınırlayıcı karakter sağlamaktır. Ayrılmış bir karakterin karşılık gelen yüzde kodlu sekizli ile değiştirilmesinde farklılık gösteren URI'ler eşdeğer değildir.

• Kaydedilmemiş Karakterler :A-Za-z0-9-_.~

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

  Bir URI'de izin verilen, ancak ayrılmış bir amacı olmayan karakterlere, rezerve edilmez denir.

Yaklaşan değişiklik, URI'lar için değil çince, arapça alan adları içindir. Uluslararasılaştırılmış URI'lere IRI denir ve RFC 3987'de tanımlanır . Bununla birlikte, bunu kendiniz yapmamanızı, ancak mevcut, test edilmiş bir kütüphaneye güvenmenizi tavsiye ettiğimi söyledikten sonra, URI kodlama / kod çözmenin birçok seçeneği olduğundan ve gerçek kullanımla neyin güvenli olduğu (tarayıcılar) ile spesifikasyon tarafından neyin güvenli olduğu kabul edilir .

Kullanıcılara özel bir deneyim sunmak istiyorsanız pushState, tarayıcının URL'sine çok çeşitli karakterler getirmek için kullanabilirsiniz :

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);