Znaki dozwolone w adresie URL

Czy ktoś zna pełną listę znaków, które mogą być użyte w GET bez kodowania? W tej chwili używam A-Z a-Z i 0-9... ale szukam pełnej listy.

Jestem również zainteresowany, czy istnieje specyfikacja dla nadchodzącego dodatku Chińskich, Arabskich adresów url (ponieważ oczywiście będzie to miało duży wpływ na moje pytanie)

 153
url
Author: Mark, 2009-12-07
Source

8 answers

Z RFC 1738 specyfikacja:

Zatem, tylko alfanumeryczne, znaki specjalne " $-_.+!*'(),", oraz znaki zastrzeżone używane do ich celów zastrzeżonych mogą być używane niekodowane w adresie URL.

EDIT: jak słusznie zauważył @Jukka K. Korpela, ten RFC został zaktualizowany przez RFC 3986 . To rozszerzyło i wyjaśniło znaki ważne dla hosta, niestety nie jest łatwo skopiować i wkleić, ale zrobię co w mojej mocy.

W pierwszym dopasowaniu kolejność: 

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
 147
Author: Myles,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-04-02 21:36:11
Znaki URI mogą być zastrzeżone lub nieograniczone (lub znak procentowy jako część kodowania procentowego)

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

Mówi, że są to RFC 3986 znaki bezwarunkowe (sek. 2.3), jak również znaki zastrzeżone (sek. 2.2), jeśli muszą zachować swoje specjalne znaczenie. A także znak procentowy jako część kodowania procentowego.

 41
Author: Amber,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-05-30 18:33:12

Pełna lista 66 niezerowych znaków znajduje się w RFC3986, tutaj: http://tools.ietf.org/html/rfc3986#section-2.3

Jest to dowolny znak w następującym zbiorze: 

[A-Za-z0-9_.-~]
 19
Author: slacy,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2012-12-18 22:35:37

From here

Tak więc, tylko alfanumeryczne, znaki specjalne $-_.+!*'(), i zastrzeżone znaki używane do ich zastrzeżone cele mogą być używane bez kodu w adresie URL.

 11
Author: AdaTheDev,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2015-11-18 02:32:19

[20]} Przetestowałem go, prosząc moją stronę (apache) o wszystkie dostępne znaki na mojej niemieckiej klawiaturze jako parametr URL: [21]} 

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

Nie zostały zakodowane: 

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

Nie zakodowane po urlencode(): 

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_

Nie zakodowane po rawurlencode(): 

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~

Uwaga: Przed PHP 5.3.0 rawurlencode() zakodowane ~ z powodu RFC 1738. Ale to zostało zastąpione przez RFC 3986 więc teraz jest bezpieczne w użyciu. Ale nie rozumiem, dlaczego np. {} są kodowane przez rawurlencode() ponieważ nie są wymienione w RFC 3986.

Dodatkowy test, który zrobiłem, dotyczył automatycznego linkowania w tekstach pocztowych. Testowałem Mozilla Thunderbird, aol.com, outlook.com, gmail.com, gmx.de oraz yahoo.de i w pełni połączyli adresy URL zawierające te znaki: 

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

Oczywiście ? też było połączone, ale tylko jeśli zostało użyte raz.

Niektórzy sugerowaliby teraz używanie tylko znaków rawurlencode(), ale czy słyszałeś kiedyś, że ktoś miał problemy z otwarciem tych znaków strony internetowe?

Asterisk
http://wayback.archive.org/web/*/http://google.com

Okrężnica
https://en.wikipedia.org/wiki/Wikipedia:About

Plus
https://plus.google.com / + google

przy znaku, dwukropku, przecinku i wykrzykniku
https://www.google.com/maps/place/USA/@36.2218457,...

Z tego powodu te znaki powinny być użyte bez kodu bez problemów. Oczywiście nie powinieneś używać &; ze względu na sekwencje kodowania takie jak &amp;. Ten sam powód jest ważny dla %, Jak to było używane do kodowania znaków w ogóle. I {[18] } ponieważ przypisuje wartość do nazwy parametru.

W końcu powiedziałbym, że jest ok, aby używać tych niekodowanych: 

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

Ale jeśli spodziewasz się losowo generowanych adresów URL, nie powinieneś używać .!, ponieważ oznaczają one koniec zdania, a niektóre aplikacje pocztowe nie będą automatycznie łączyć ostatniego znaku adresu url. Przykład: 

Visit http://example.com/foo=bar! !
 9
Author: mgutt,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-04-02 09:45:10

Są one wymienione w RFC3986 . Zobacz Zebrane ABNF dla URI aby zobaczyć, co jest dozwolone gdzie i regex do parsowania/walidacji.

 7
Author: McDowell,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-12-06 22:20:33

Nadchodząca zmiana dotyczy chińskich, arabskich nazw domen, a nie Uri. Umiędzynarodowione URI są nazywane IRIs i są zdefiniowane w RFC 3987 . Jednak, powiedziawszy, że nie polecam tego robić samemu, ale poleganie na istniejącej, przetestowanej bibliotece, ponieważ istnieje wiele możliwości kodowania/dekodowania URI i tego, co jest uważane za bezpieczne przez specyfikację, w porównaniu z tym, co jest bezpieczne przez rzeczywiste użycie (przeglądarki).

 3
Author: dajobe,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2009-12-06 22:21:08

RFC3986 definiuje dwa zestawy znaków, których można użyć w URI:

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

    Reserved = Gen-delims / sub-delims

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

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

    Celem znaków zastrzeżonych jest dostarczenie zestawu znaków oddzielających, które można odróżnić od innych danych w obrębie URI. Uri różniące się zamianą zastrzeżonego znaku na odpowiadający mu oktet zakodowany procentowo nie są równoważne.

  • Znaki Niezerowe: A-Za-z0-9-_.~

    = Alfa / cyfra/" -"/"." / "_" / "~"

    Znaki, które są dozwolone w URI, ale nie mają zastrzeżonego celu, nazywane są nieograniczonymi.

 3
Author: Cyker,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-12-27 23:03:07