问题标签 [iri]

假设用户输入了某个资源的地址，我们需要将其翻译为：

HTML4 规范参考RFC 3986，它只允许主机部分中的 ASCII 字母数字字符和破折号，而其他部分中的所有非 ASCII 字符都应进行百分比编码。这就是我想在 href 属性中添加的内容，以使链接在所有浏览器中都能正常工作。IDN 应使用Punycode进行编码。

HTML5 草案是指RFC 3987，它还允许在主机部分中使用百分比编码的 unicode 字符，并在主机和其他部分中使用大量 unicode 子集，而无需对其进行编码。用户可以以任何这些形式输入地址。为了提供人类可读的形式，我需要解码所有可打印的字符。请注意，地址的某些部分可能与有效的 UTF-8 序列不对应，通常在目标站点使用其他字符编码时。

我想得到的一个例子：

是否有任何工具可以解决这些任务？我对 Python 和 JavaScript 库特别感兴趣。

更新：我知道有一种方法可以在 Python 和 JavaScript 中进行百分比和 Punycode（没有适当的规范化，但我可以忍受）编码/解码。整个任务需要更多的工作，并且存在一些陷阱（某些字符应始终编码或从不编码，具体取决于上下文）。我想知道是否有准备好使用库来解决整个问题，因为它似乎很常见并且现代浏览器已经进行了此类转换（尝试http://%D1%81%D0%B0%D0%B9%D1%82.%D1%80%D1%84/ 在 Google Chrome 中输入，它将被替换为http://сайт.рф/，但Host: xn--80aswg.xn--p1ai在 HTTP 请求中使用）。

更新 2：Vinay Sajip指出 Werkzeug 具有正确处理大多数情况的 iri_to_uri 和 uri_to_iri 函数。到目前为止，我只发现了两种失败的情况：百分比编码的主机（很容易修复）和无效的 utf-8 序列（做得好有点棘手，但应该不是问题）。

我仍在寻找 JavaScript 中的库。写起来并不难，但我宁愿避免发明轮子。

我创建了一个 RSS 提要，其中包含非 ASCII 字符 URL (IRI)。这就是为什么它不使用Feed 验证器进行验证的原因。

验证有多重要？据我所知，这或多或少是对传统 RSS 阅读器的验证？

无论如何，我想知道如何在 C# 中将 IRI 转换为 URL？

到

是否有任何开源算法可以将 IRI 转换为 URI 并将 URI 转换为 IRI？

AC# 实现是可取的，但不是必需的。

我正在尝试使用 Jena 框架处理 RDF的工具 ( Elda )。

我收到了这个错误：

错误 [qtp1415899750-24] (RouterRestlet.java:332) - 异常：第 7 行，第 72 列：com.hp.hpl.jena.iri.impl.IRIImplException：代码：片段中的 0/ILLEGAL_CHARACTER：字符违反语法规则对于 URI/IRI。

它说以下 URL 不是有效的 IRI。

http://burckhardt.netseven.it/show_annotable_transcription?id=12#xpointer(start-point(string-range(//DIV[@about='http://burckhardt.netseven.it/show_annotable_transcription?id=12' ]/DIV[1]/BLOCKQUOTE[1]/P[1]/text()[1],'',13))/range-to(string-range(//DIV[@about='http:// /burckhardt.netseven.it/show_annotable_transcription?id=12']/DIV[1]/BLOCKQUOTE[1]/P[1]/text()[1],'',27)))

我知道它很丑，但据我所知，它符合 XPointer 规范......而且我在其他环境中成功使用它（例如 Sesame Triplestore）。

有人知道其中有什么问题吗？

谢谢你

基督教

在解析 IRI 时，我在 .net 中的 Uri 类中苦苦挣扎。

考虑这个 IRI：

当我从中创建和 Uri 时（无论 iri 解析设置如何），我得到以下信息：

uri.AbsolutUri 返回的实际值是：

似乎 Uri 类按照 RFC3986 而不是 RFC3987 规范中的描述工作（尽管msdn说了别的）。我需要 Uri#AbsoluteUri 返回根据后者转义的正确字符串表示形式。

为什么会这样？有什么办法可以改变这种行为？

我有几个奇怪的 IRI 想要插入 Jena SDB，但我收到了一些错误消息：

1. http://example.org/text/1234#offset_2311_2317_10-12%
   错误消息是：
   代码：片段中的 30/ILLEGAL_PERCENT_ENCODING：主机组件出现百分比，后面没有两个十六进制数字。
2. http://example.org/text/5678#offset_365_370_NDZ#2
   错误消息是：
   代码：0/ILLEGAL_CHARACTER in FRAGMENT：该字符违反了 URI/IRI 的语法规则。
3. http://example.org/text/7890#offset_8872_8878__ “Fren
   错误消息是：
   代码：4/UNWISE_CHARACTER in FRAGMENT：该字符与 URI/IRI 的语法规则不匹配。这些字符在 RDF URI 引用、XML 系统中是允许的标识符和 XML Schema anyURI。

字符串 10-12%, NDZ#2 和 _"Fren 是从纯文本文档中提取的，我必须将其直接附加在 IRI 的后面。所以我的问题是：它们是有效的 IRI 吗？如果不是，考虑到我需要要在 IRI 后面附加纯文本，如何将它们转换为有效的 IRI？

是否有在 JavaScript 中完成的RFC3987（国际化资源标识符）实现，以便我可以使用它来检查字符串是否是有效的 IRI？我需要它用于使用 NodeJS 完成的脚本。

我知道 HTML 不支持 IRI 链接，但我不用于检查 HTML 文档。

我正在使用 Java 的 URI 类来验证 IRI 是否正确。根据文档，URI 可以输出一个 IRI 字符串，它同样可以从一个 IRI 字符串构造。我有一种情况，我得到的 IRI 包含空格并且 URI 抛出异常（有问题的 IRI 是http://My IRI Test）。

查看RFC，似乎不允许使用空格，但我想确认一下。

我正在尝试使用 OWL API 加载本体。

资源的 IRI 之一是http://example.com/#1#2'.

发生以下异常：

如果我将该 IRI 更改为http://example.com/#1'，那么一切都很好。

为什么 OWL API 的 RDFXMLParser 不能用两个哈希值解析 IRI？

我在我的项目中使用 abdera，它在从包含已编码 < 和 > 符号的内容中解析 IRI 地址时失败：> <
例外是：“org.apache.abdera.i18n.text.InvalidCharacterException: Invalid Character 0x3c(<) "

我很困惑，因为我知道> <IRI 格式中允许使用这些符号 ( )。

您能否提一些建议

编辑：我正在使用 org.apache.abdera.model.Link 类的 getHref() 方法，链接类似于：http://blabla.com?xxx>yyy<zzz