URL 中包含中文

via：http://chinaonrails.com/topic/view/1771.html

 

URL 编码 
URL 编码是一种浏览器用来打包表单输入的格式. 浏览器从表单中获取所有的name和其中的值 ，将他们作为name/value参数编码, 移去那些不能传送的字符, 将数据排行等等，这些还取决于你用GET还是POST?作为URL的一部分或者分离地发给服务器. 不管哪种情况, 在服务器端的表单输入格式样子象这样: 

theName=Ichabod+Crane&gender=male&status=missing&headless=yes 
URL编码遵循下列规则: 

每对name/value由&符分开. 
每对来自表单的name/value由=符分开. 如果用户没有输入值给这个name,那么这个name还是出现，只是无值(象这样 "name="). 
任何特殊的字符(就是那些不是简单的七位ASCII，如汉字) 将以百分符%用十六进制编码. 当然也包括象 =, &, 和 % 这些特殊的字符. 
在输入区中的空格将以加号+显示. 
因为表单输入是用这个URL编码传递给你的脚本的，在你用这些参数之前必须解码，因为解码是个很普遍的工作，可以有很多工具做这个工作 . 你没有必要自己写这个解码程序. 

URL是用于表示信息位置的标识符号，称为“统一资源定位符”，字串由四部分组成： 
协议：计算机之间进行通信所使用的规则； 
域名：被访问网站服务器的专用名称； 
目录：网页在网站服务器中的位置； 
文件名：网页在服务器中的名字。 
四部分连接起来就是： 
协议://域名／服务器子目录／文件名

2 - 6-23 16:24

robin  北京市海淀区

经过encoding, url里什么字符都可以包含.
对于特殊字符,会先转换成utf-8,然后变成%HH的形式,HH是byte的十六进制值

3 - 6-23 16:26

龙生第九子  北京市朝阳区

1.在没有中文字符的机器可能，无法访问到这一连接。
2.搜索引擎，不会收录url上有中文的地址。
3.中文网址非常不利国际化，很多人期望的是更友好的。
每个人都喜欢有意义的URL，所以使用'/users/jim-neath'比使用'/users/231'或 /users/吉姆 更nice

4 - 6-23 16:27

Caiwangqin  楼主  中国

以下是和刘松的交流记录：

URL的参数编码规范似乎是base64 url safe.
在ruby端,可以
require 'cgi'
CGI.escape(...) 还是encode/decode来着,我忘了.
在javascript端,是encodeURIComponenent
它们接收的,都是key=value&key=value里,编码之前的value


Sent at 4:17 PM on Monday
刘松: http://www.faqs.org/rfcs/rfc3548.html
看Base 64 Encoding with URL and Filename Safe Alphabet那一段.


Sent at 4:20 PM on Monday
刘松: 至少value里不能包含 &和=字符,不然就破坏key=value&key=value这种格式了.
至于中文,我不清楚,可能涉及unicode编码问题,所以还是encode一下再传输更靠谱

rails的xx_path及ajax库的类似Ajax.Request,在内部都对key,value进行encode,所以,在编码上感觉不到.
decode的过程,server side自动做了,所以一般不用我们去显式调用,params[:key]取到的就是已经decode后的值

5 - 6-23 16:33

Caiwangqin  楼主  中国

从理论上讲，经过encoding后，URL中可以包含所有字符。以下是和Robin Lu的交流记录：

Caiwangqin: 没有中文系统支持的系统呢？不encoding呢？如 P1.cn/中国
中国.p1.cn


Robin: 浏览器会自己encoding,你不用管
http://www.caibangzi.com/document/show/什么是基金


Caiwangqin: 这个是可以，为什么自定义用户URL时，过去一般没有人支持中文呢？


Robin: 那是因为一般很少有系统愿意支持中文用户名吧
还有一个原因是安全问题


Caiwangqin: 中文在URL中不安全？


Robin: 因为unicode会造成很多 glyph相同但编码不同的字符
会出现冒充用户的

6 - 6-23 16:43

bd7lx  深圳

越研究越有劲

盼望用户都用opera吧

7 - 6-23 16:48

Caiwangqin  楼主  中国

以下是和 94smart 的交流记录：

94smart: 这个问题太高深了
一般我碰到中文URL的问题都会跳过


Caiwangqin: 跳过？


94smart: 就是能不用就不用


Caiwangqin: 现在我们在决定是否在用户挑选自己的URL时是否支持中文，如 蔡望勤.p1.cn


94smart: 最后会转换为英文URL
这样有什么直接的好处吗？或者说这是用户的直接需求吗？


Caiwangqin: 没有好处，也不是直接需求。我们的产品经理说可以支持


94smart: 。。。
这个是劳民伤财呀


Caiwangqin: 到技术这里，我就要验证是否可行了。


Sent at 4:43 PM on Monday
94smart: 处理逻辑可不可以这样：不管哪种编码，统一转成参数是userid的链接。


Caiwangqin: 不行，要在显示URL的时候象这样：P1.cn/蔡望勤，而不能是 P1.cn/323232


94smart: 那就只能每页都作UTF8转码这个动作了
而且好像不是每个浏览器都支持中文URL

94smart: 保险的做法是让用户自己改IE的Internet选项
关掉“是以 UTF-8 发送URL”这个选项


Caiwangqin: 我们不可能要求用户修改浏览器选项后来使用我们的网站的。


94smart: 所以问题比较大呀

8 - 6-23 16:56

bd7lx  深圳

可以教育用户

2000年左右，浏览器大战的时候

首页经常要求用户，使用某种浏览器，指定编码

9 - 6-23 17:08

Caiwangqin  楼主  中国

Iceskysl: 这个玩意一般用encoding后都可以
另外和机器浏览器发起请求的编码有关
在IE的高级设置里面
可以设置发起请求的编码格式

10 - 6-23 17:11

robin  北京市海淀区

url显示和发送是两回事.
ie我懒得试了,safari是会按照"P1.cn/蔡望勤"来显示的,firefox在2.0以前是按照十六进制码显示,3.0已经fix了这个问题,同样是"P1.cn/蔡望勤".
但是发送的时候,都是encoding后发送的.
url的decoding/encoding是浏览器和cgi的事情,和用户没有关系.
"以 UTF-8 发送URL"是为那些老旧的不能识别utf-8的cgi设置的,和你要解决的不是一个问题.

11 - 6-23 17:24

bd7lx  深圳

还没研究透

P1.cn/蔡望勤 

在不同的浏览器里显示是不一样的

中文Windows环境下，IE中默认发送的URL的PATH部分是UTF-8编码，参数部分是GBK编码。

中文Windows环境下FireFox中默认发送的URL的PATH和参数都是GBK编码

很多情况下浏览器的地址栏看到URL并不等同于发送到服务器的URL

想让客户看的清楚， 让客户用safari， opera

任何字符经过encoding 比如utf8 可以接受，但混合了反斜线或撇号
比如
P1.cn\蔡‘望勤/版主<北京>

恐怕server端也处理不好

12 - 6-23 18:00

epaulin  地球

我给公司做的网站用了中文网址( encoding 过的 16 进制字符 )，目前为止还没出现问题。

13 - 6-23 18:55

stainless  地球

url的子目录和域名中非ascii的unicode字符处理不同的

域名方面搜索 IDN

14 - 2-27 14:38

hlxwell  地球

浏览器是会自动转的，
<a href='/index/中文'>test</a>
这个会变成浏览器编码，但是我发现一个严重的问题就像robin lu说的 glyph. 同一个中文变成的 16进制编码 在不同浏览器里，会出现不同的编码结果。