URL中的Unicode字符

在2010年，您是否会在大型Web门户中提供包含UTF-8字符的URL？

根据URL上的RFC禁止使用Unicode字符（请参阅此处）。必须对它们进行百分比编码以符合标准。

不过，我的主要目的是提供未编码的字符，其唯一目的是拥有美观的URL，因此百分比编码是可行的。

无论RFC怎么说，所有主流浏览器似乎都可以解析这些URL。不过，我的总体印象是，离开网络浏览器领域时，它变得非常不稳定：

• URL复制并粘贴到文本文件，电子邮件甚至具有不同编码的网站中
• HTTP客户端库
• 异国情调的浏览器，RSS阅读器

我的印象是正确的，在这里一定会遇到麻烦，因此，如果您正在为非技术受众提供服务，这还不是一个实际的解决方案，并且即使引用和传递所有链接也都能够正常工作，这一点很重要吗？

是否有一些神奇的方法可以在HTML中提供美观的URL

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

可以原样复制并粘贴特殊字符，但是在较旧的客户端中重复使用时可以正常工作吗？

使用百分比编码。现代浏览器将处理显示和粘贴问题，并使之易于阅读。例如 http://ko.wikipedia.org/wiki/위키백과：대문

编辑：在Firefox中复制这样的URL时，剪贴板将保留百分比编码的形式（通常是一件好事），但是如果仅复制其中一部分，它将保持未编码状态。

Tgr怎么说。背景：

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

那不是URI。但这是一个IRI。

您不能在HTML4文档中包含IRI；像这样的属性类型href定义为URI，而不是IRI。某些浏览器仍然会在这里处理IRI，但这并不是一个好主意。

要将IRI编码为URI，请选择路径和查询部分，对它们进行UTF-8编码，然后对非ASCII字节进行百分比编码：

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

如果IRI的主机名部分包含非ASCII字符，例如 http://例え.テスト/，它们已改为使用Punycode编码。

现在您有了一个URI。这是一个丑陋的URI。但是大多数浏览器都会为您隐藏这些内容：将其复制并粘贴到地址栏中，或在链接中跟踪它，您会看到它以原始Unicode字符显示。维基百科已经使用了多年，例如：

http://en.wikipedia.org/wiki/ɸ

一种浏览器的行为是无法预测的，并不总是显示漂亮的IRI版本，它是...

...嗯，你知道的。

根据您的URL方案，可以将UTF-8编码的部分设置为“不重要”。例如，如果您查看堆栈溢出URL，则它们的格式如下：

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

但是，服务器实际上并不关心是否在标识符错误之后得到零件，因此这也可以：

http://stackoverflow.com/questions/2742852/これは，これを日本语のテキストです

因此，如果您具有这样的布局，则可以在标识符后的部分中使用UTF-8，并且如果出现乱码也就没有关系。当然，这可能仅在某些特殊情况下才有效。

不确定这是否是一个好主意，但是正如其他注释中所提到的和我解释的那样，许多Unicode字符在HTML5 URL中有效。

例如，href文档说http://www.w3.org/TR/html5/links.html#attr-hyperlink-href：

和元素上的href属性必须具有一个值，该值是一个有效的URL，可能被空格包围。

然后，“有效URL”的定义指向http://url.spec.whatwg.org/，其将URL代码点定义为：

ASCII字母数字，“！”，“ $”，“＆”，“'”，“（”，“）”，“ *”，“ +”，“，”，“-”，“。”，“ /” ，“：”，“;”，“ =”，“？”，“ @”，“ _”，“〜”和代码点，范围为U + 00A0至U + D7FF，U + E000至U + FDCF ，U + FDF​​0至U + FFFD，U + 10000至U + 1FFFD，U + 20000至U + 2FFFD，U + 30000至U + 3FFFD，U + 40000至U + 4FFFD，U + 50000至U + 5FFFD，U +60000至U + 6FFFD，U + 70000至U + 7FFFD，U + 80000至U + 8FFFD，U + 90000至U + 9FFFD，U + A0000至U + AFFFD，U + B0000至U + BFFFD，U + C0000到U + CFFFD，U + D0000到U + DFFFD，U + E1000到U + EFFFD，U + F0000到U + FFFFD，U + 100000到U + 10FFFD。

然后，术语“ URL代码点”在解析算法的几个部分中使用，例如，相对路径状态：

如果c不是URL代码点，也不是“％”，则分析错误。

验证器http://validator.w3.org/也会传递URL，例如"你好"，而不传递URL字符如空格的"a b"

相关：哪些字符会使URL无效？

由于所有这些评论都是正确的，因此您应该注意，就ICANN批准将阿拉伯（波斯）和中文字符注册为域名而言，所有浏览器制造公司（Microsoft，Mozilla，Apple等）都必须不带任何编码的URL支持Unicode，这些应可由Google搜索。

因此，此问题将尽快解决。

使用百分比编码形式。例如，某些运行Windows XP的计算机（主要是较旧的计算机）不支持Unicode，但支持ISO编码。这就是发明百分比编码URL的原因。另外，如果您将打印在纸上的URL提供给用户，其中包含不容易键入的字符，则该用户可能很难输入（或忽略它）。百分比编码的形式甚至可以用在曾经存在的许多最古老的机器中（尽管它们当然不支持互联网）。

但是有一个缺点，因为百分比编码的字符比原始字符长，因此可能导致URL真的很长。但是，请尝试忽略它，或使用URL缩短器（在这种情况下，我建议您使用goo.gl，它可以使URL组成13个字符）。另外，如果您不想注册Google帐户，请尝试bit.ly（bit.ly会使URL稍长，长度为14个字符）。

对我来说，这是正确的方法，这是可行的：

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

这可行，现在链接可以正确显示：

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

链接位于：

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