195

我正在制作一个包含文章的网站，并且我需要文章根据标题具有“友好”的 URL。

例如，如果我的文章标题是"Article Test"，我希望 URL 是http://www.example.com/articles/article_test。

但是，文章标题（作为任何字符串）可以包含多个特殊字符，这些字符无法在我的 URL 中按字面意思输入。例如，我知道?或#需要更换，但我不知道所有其他人。

URL 中允许使用哪些字符？什么是安全的？

4

13 回答 13

246

引用RFC 3986的第 2.3 节：

URI 中允许但没有保留用途的字符称为未保留字符。这些包括大写和小写字母、十进制数字、连字符、句点、下划线和波浪号。

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

请注意，与旧的RFC 2396相比，RFC 3986 列出的保留标点符号更少。

于 2009-03-29T21:57:33.607 回答
124

您需要注意两组字符：reserved和unsafe。

保留字符是：

  • 和号（“&”）
  • 美元（“$”）
  • 加号（“+”）
  • 逗号 (",")
  • 正斜杠（“/”）
  • 冒号 （”：”）
  • 分号 (";")
  • 等于 ("=")
  • 问号（“？”）
  • “在”符号（“@”）
  • 英镑（“#”）。

通常认为不安全的字符是：

  • 空间 （” ”）
  • 小于和大于 ("<>")
  • 打开和关闭括号（“[]”）
  • 打开和关闭大括号（“{}”）
  • 管道（“|”）
  • 反斜杠（“\”）
  • 插入符号（“^”）
  • 百分 （”％”）

我可能忘记了一个或多个，这导致我附和Carl V 的回答。从长远来看，您最好使用允许字符的“白名单”然后对字符串进行编码，而不是试图与服务器和系统不允许的字符保持同步。

于 2009-03-29T21:56:45.917 回答
49

始终安全

从理论上和规范来看，这些基本上在任何地方都是安全的，除了域名。对未列出的任何内容进行百分比编码，一切顺利。

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

有时安全

只有在特定的 URL 组件中使用时才安全；小心使用。

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

永远不安全

根据 URI 规范 (RFC 3986)，所有其他字符都必须进行百分比编码。这包括：

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

如果考虑最大兼容性，请将字符集限制为 AZ az 0-9 - _ 。（句点仅用于文件扩展名）。

牢记上下文

即使根据规范有效，URL 仍然可能是“不安全的”，具体取决于上下文。例如包含无效文件名字符的 file:/// URL，或者在不用作分隔符时包含“？”、“=”和“&”的查询组件。这些情况的正确处理通常取决于您的脚本并且可以解决，但请记住这一点。

于 2016-11-04T03:58:39.180 回答
45

您最好只保留一些字符（白名单）而不是删除某些字符（黑名单）。

只要您正确编码，您可以在技术上允许任何字符。但是，为了回答问题的精神，您应该只允许这些字符：

  1. 小写字母（将大写转换为小写）
  2. 数字，0 到 9
  3. 破折号 - 或下划线 _
  4. 波浪号~

其他一切都有潜在的特殊意义。例如，您可能认为可以使用 +，但可以将其替换为空格。& 也很危险，尤其是在使用一些重写规则时。

与其他评论一样，请查看标准和规范以获取完整详细信息。

于 2009-03-29T21:48:44.783 回答
20

查看RFC3986 - Uniform Resource Identifier (URI): Generic Syntax，您的问题围绕着 URI 的路径组件。

    foo://example.com:8042/over/there?name=ferret#nose

     \_/   \______________/\_________/ \_________/ \__/
      |           |            |            |        |
   scheme     authority       path        query   fragment
      |   _____________________|__
     / \ /                        \
     urn:example:animal:ferret:nose

引用第 3.3 节，URIsegment的有效字符类型为pchar：

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

分解为：

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

pct-encoded

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

":" / "@"

或者换句话说：您可以使用ASCII 表中的任何（非控制）字符，除了 /、?、#和。[]

这种理解得到了RFC1738 - 统一资源定位器 (URL)的支持。

于 2014-07-19T01:47:13.400 回答
12

从您描述的上下文来看，我怀疑您实际上想要做的是一种叫做“SEO slug”的东西。最普遍的已知做法是：

  1. 转换为小写
  2. 将 az 和 0-9 以外的整个字符序列转换为一个连字符 (-)（不是下划线）
  3. 从 URL 中删除“停用词”，即没有意义的可索引词，如“a”、“an”和“the”；谷歌“停用词”的广泛列表

因此，例如，一篇标题为“The Usage of !@%$* to Represent Swearing In Comics”的文章会得到一个“usage-represent-swearing-comics”的标题。

于 2009-03-29T22:09:20.940 回答
11

未保留 = ALPHA / DIGIT / "-" / "." /“_”/“~”

于 2010-12-01T22:28:38.703 回答
6

URI 的格式在RFC 3986中定义。有关详细信息，请参见第 3.3 节。

于 2009-03-29T21:46:37.767 回答
6

从 SEO 的角度来看，连字符比下划线更受欢迎。转换为小写，删除所有撇号，然后用单个连字符替换所有非字母数字字符串。剪掉开头和结尾多余的连字符。

于 2009-03-29T22:19:34.083 回答
3

我有一个类似的问题。我想要有漂亮的 URL，并得出结论，我必须在 URL 中只允许字母、数字和 - 和 _。

这很好，但后来我写了一些不错的正则表达式，我意识到它识别出所有 UTF-8 字符都不是 .NET 中的字母并且被搞砸了。这似乎是 .NET 正则表达式引擎的一个已知问题。所以我得到了这个解决方案：

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 characters, because
/// .NET implementation of regex do not handle Unicode characters. 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 "-";
    }
}
于 2011-09-30T12:48:13.030 回答
1

当我通过 Ajax/PHP 将一个值返回到一个 URL 时，我发现将我的 URL 编码为一个安全的 URL 非常有用，然后页面会再次读取该 URL。

带有特殊字符的 URL 编码器的 PHP 输出&：

// PHP returning the success information of an Ajax request
echo "".str_replace('&', '%26', $_POST['name']) . " category was changed";

// JavaScript sending the value to the 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);
于 2015-03-28T08:02:28.333 回答
0

我认为您正在寻找类似“ URL encoding ”的东西 - 对 URL 进行编码，以便在网络上使用它是“安全的”：

这是一个参考。如果您不想要任何特殊字符，只需删除任何需要 URL 编码的字符：

HTML URL 编码参考

于 2009-03-29T21:47:12.600 回答
-4

3-50 个字符之间。可以包含小写字母、数字和特殊字符 - 点 (.)、破折号 (-)、下划线 (_) 和比率 (@)。

于 2016-02-23T15:44:00.703 回答