Caratteri Unicode negli URL

Nel 2010, potresti pubblicare URL contenenti caratteri UTF-8 in un portale Web di grandi dimensioni?

I caratteri Unicode sono vietati come da RFC sugli URL (vedi qui ). Dovrebbero essere codificati in percentuale per essere conformi agli standard.

Il mio punto principale, tuttavia, è servire i caratteri non codificati al solo scopo di avere URL di bell'aspetto, quindi la codifica percentuale è fuori.

Tutti i principali browser sembrano analizzare bene quegli URL, indipendentemente da ciò che dice la RFC. La mia impressione generale, tuttavia, è che diventa molto traballante quando si lascia il dominio dei browser Web:

• Gli URL vengono copiati + incollati in file di testo, e-mail e persino siti Web con una codifica diversa
• Librerie client HTTP
• Browser esotici, lettori RSS

La mia impressione è corretta che ci si aspetta un problema qui, e quindi non è (ancora) una soluzione pratica se stai servendo un pubblico non tecnico ed è importante che tutti i tuoi collegamenti funzionino correttamente anche se citati e trasmessi?

Esiste un modo magico di pubblicare URL di bell'aspetto in HTML

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

che può essere copiato + incollato con i caratteri speciali intatti, ma funziona correttamente quando riutilizzato nei client più vecchi?

Usa la codifica percentuale. I browser moderni si occuperanno dei problemi di visualizzazione e incolla e li renderanno leggibili dall'uomo. Per esempio. http://ko.wikipedia.org/wiki/ 위키 백과: 대문

Modifica: quando copi un tale URL in Firefox, gli Appunti manterranno il modulo con codifica percentuale (che di solito è una buona cosa), ma se ne copi solo una parte, rimarrà non codificato.

Quello che ha detto Tgr. Sfondo:

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

Questo non è un URI. Ma è un IRI .

Non puoi includere un IRI in un documento HTML4; il tipo di attributi come hrefè definito come URI e non IRI. Alcuni browser gestiranno comunque un IRI qui, ma non è davvero una buona idea.

Per codificare un IRI in un URI, prendere il percorso e interrogare le parti, UTF-8 codificarle e codificare in percentuale i byte non ASCII:

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

Se nella parte del nome host dell'IRI sono presenti caratteri non ASCII, ad es. http://例え.テスト/, sono stati invece codificati utilizzando Punycode .

Ora hai un URI. È un brutto URI. Ma la maggior parte dei browser lo nasconderà per te: copialo e incollalo nella barra degli indirizzi o seguilo in un link e lo vedrai visualizzato con i caratteri Unicode originali. Wikipedia lo utilizza da anni, ad es .:

http://en.wikipedia.org/wiki/ɸ

L'unico browser il cui comportamento è imprevedibile e non mostra sempre la bella versione IRI è ...

...Beh lo sai.

A seconda del tuo schema URL, puoi rendere la parte codificata UTF-8 "non importante". Ad esempio, se si guardano gli URL di overflow dello stack, hanno il seguente formato:

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

Tuttavia, al server in realtà non importa se si ottiene la parte dopo l'identificatore errato, quindi funziona anche:

http://stackoverflow.com/questions/2742852/ こ れ は, こ れ を 日本語 の テ キ ス ト で す

Quindi, se avessi un layout come questo, potresti potenzialmente usare UTF-8 nella parte dopo l'identificatore e non importerebbe davvero se fosse confuso. Naturalmente questo probabilmente funziona solo in circostanze un po 'specializzate ...

Non sono sicuro che sia una buona idea, ma come menzionato in altri commenti e mentre lo interpreto, molti caratteri Unicode sono validi negli URL HTML5 .

Ad esempio, i hrefdocumenti dicono http://www.w3.org/TR/html5/links.html#attr-hyperlink-href :

L'attributo href sugli elementi a e area deve avere un valore che sia un URL valido potenzialmente circondato da spazi.

Quindi la definizione di "URL valido" punta a http://url.spec.whatwg.org/ , che definisce i punti del codice URL come:

ASCII alfanumerico, "!", "$", "&", "'", "(", ")", "*", "+", ",", "-", ".", "/" , ":", ";", "=", "?", "@", "_", "~" e punti di codice negli intervalli da U + 00A0 a U + D7FF, U + E000 a U + FDCF , U + FDF0 a U + FFFD, U + 10000 a U + 1FFFD, U + 20000 a U + 2FFFD, U + 30000 a U + 3FFFD, U + 40000 a U + 4FFFD, U + 50000 a U + 5FFFD, U Da +60000 a U + 6FFFD, U da + 70000 a U + 7FFFD, U da + 80000 a U + 8FFFD, U + 90000 a U + 9FFFD, U + A0000 a U + AFFFD, U + B0000 a U + BFFFD, U + C0000 a U + CFFFD, U + D0000 a U + DFFFD, U + E1000 a U + EFFFD, U + F0000 a U + FFFFD, U + 100000 a U + 10FFFD.

Il termine "punti di codice URL" viene quindi utilizzato in alcune parti dell'algoritmo di analisi, ad esempio per lo stato del percorso relativo :

Se c non è un punto di codice URL e non "%", analizzare l'errore.

Anche il validatore http://validator.w3.org/ passa per URL simili "你好"e non passa per URL con caratteri come spazi"a b"

Correlati: quali caratteri rendono un URL non valido?

Poiché tutti questi commenti sono veri, dovresti notare che per quanto riguarda i caratteri arabi (persiani) e cinesi approvati dall'ICANN per essere registrati come nome di dominio, tutte le società che producono browser (Microsoft, Mozilla, Apple, ecc.) Devono supporta Unicode negli URL senza alcuna codifica e questi dovrebbero essere ricercabili da Google, ecc.

Quindi questo problema risolverà al più presto.

Usa un modulo con codifica percentuale . Alcuni (principalmente vecchi) computer che eseguono Windows XP, ad esempio, non supportano Unicode, ma piuttosto codifiche ISO. Questo è il motivo per cui sono stati inventati gli URL con codifica percentuale. Inoltre, se si fornisce un URL stampato su carta a un utente, contenente caratteri che non possono essere facilmente digitati, è possibile che l'utente abbia difficoltà a digitarlo (o semplicemente ignorarlo). La forma con codifica percentuale può anche essere utilizzata in molte delle macchine più antiche che siano mai esistite (anche se ovviamente non supportano Internet).

C'è però un aspetto negativo, poiché i caratteri con codifica in percentuale sono più lunghi di quelli originali, con la conseguenza di avere URL molto lunghi. Ma prova a ignorarlo o usa un accorciatore di URL ( in questo caso consiglierei goo.gl , che rende un URL lungo 13 caratteri). Inoltre, se non vuoi registrarti per un account Google, prova bit.ly (bit.ly crea URL leggermente più lunghi, con una lunghezza di 14 caratteri).

Per me questo è il modo corretto, ha funzionato:

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

Questo ha funzionato e ora i collegamenti vengono visualizzati correttamente:

http://newspaper.annahar.com/article/121638 -معرض - جوزف-حرب-في-غاليري-جانين-ربيز-لوحاته-الجدية-تبحث-وتكتشف-وتفرض-الاحترم

Link trovato su:

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