Znaki dozwolone w adresie URL

Czy ktoś zna pełną listę znaków, których można używać w ramach GET bez kodowania? W tej chwili używam AZ az i 0-9 ... ale szukam pełnej listy.

Interesuje mnie również to, czy wydano specyfikację dla nadchodzącego dodatku chińskiego, arabskiego adresu URL (co oczywiście będzie miało duży wpływ na moje pytanie)

Ze specyfikacji RFC 1738 :

Dlatego tylko $-_.+!*'(),adresy alfanumeryczne, znaki specjalne „ ” i znaki zastrzeżone używane do ich zarezerwowanych celów mogą być użyte w postaci niezakodowanej w adresie URL.

EDYCJA: Jak słusznie zauważa @Jukka K. Korpela, ten RFC został zaktualizowany przez RFC 3986 . To rozszerzyło i wyjaśniło znaki ważne dla hosta, niestety nie jest łatwo kopiowane i wklejane, ale dam z siebie wszystko.

W pierwszej kolejności:

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

Znaki dozwolone w identyfikatorze URI są zarezerwowane lub niezarezerwowane (lub znak procentowy jako część kodowania procentowego)

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

mówi to RFC 3986 znaków bezwarunkowe (s. 2,3), a także znaków zastrzeżonych (sec 2.2), jeśli trzeba zachować swoje szczególne znaczenie. A także znak procentowy jako część kodowania procentowego.

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

Jest to dowolny znak w następującym zestawie wyrażeń regularnych:

[A-Za-z0-9_.\-~]

Przetestowałem to, prosząc moją stronę internetową (apache) o wszystkie dostępne znaki na mojej niemieckiej klawiaturze jako parametr adresu URL:

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

Nie zostały one zakodowane:

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

Nie zakodowany po urlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_

Nie zakodowany po rawurlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~

Uwaga: przed PHP 5.3.0 rawurlencode() zakodowany z ~powodu RFC 1738 . Ale został zastąpiony przez RFC 3986, więc teraz jest bezpieczny w użyciu. Ale nie rozumiem, dlaczego na przykład {}są kodowane, rawurlencode()ponieważ nie są wymienione w RFC 3986.

Dodatkowy test, który przeprowadziłem, dotyczył automatycznego linkowania w wiadomościach e-mail. Przetestowałem Mozilla Thunderbird, aol.com, outlook.com, gmail.com, gmx.de i yahoo.de i w pełni powiązane adresy URL zawierające te znaki:

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

Oczywiście również ?był powiązany, ale tylko jeśli był użyty raz.

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

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

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

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

Na znak, dwukropek, przecinek i wykrzyknik
https: //www.google.com/maps/place/USA/@36.2218457, ...

Z tego powodu te znaki powinny być użyteczne bez zakodowania. Oczywiście nie powinieneś używać&; powodu takich sekwencji kodujących &. Ten sam powód obowiązuje, %ponieważ był używany do kodowania znaków w ogóle. I =ponieważ przypisuje wartość do nazwy parametru.

Na koniec powiedziałbym, że można używać tych niezakodowanych:

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

Ale jeśli oczekujesz losowo generowanych adresów URL, nie powinieneś ich używać .!, ponieważ oznaczają one koniec zdania, a niektóre aplikacje pocztowe nie łączą automatycznie ostatniego znaku adresu URL. Przykład:

Visit http://example.com/foo=bar! !

od tutaj

Tak więc tylko $-_.+!*'(), adresy alfanumeryczne, znaki specjalne i znaki zastrzeżone używane do ich zarezerwowanych celów mogą być użyte w postaci niezakodowanej w adresie URL.

Są one wymienione w RFC3986 . Zobacz Collected ABNF for URI, aby zobaczyć, co jest dozwolone gdzie i regex dla parsowania / sprawdzania poprawności.

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

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

  zastrzeżone = gen-delims / sub-delims

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

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

  Celem znaków zastrzeżonych jest zapewnienie zestawu znaków ograniczających, które można odróżnić od innych danych w URI. Identyfikatory URI, które różnią się pod względem zamiany znaku zastrzeżonego na odpowiadający mu oktet zakodowany w procentach, nie są równoważne.

• Niezarezerwowane postacie :A-Za-z0-9-_.~

  unreserved = ALPHA / DIGIT / "-" / "." / „_” / „~”

  Znaki, które są dozwolone w URI, ale nie mają zarezerwowanego celu, nazywane są niezarezerwowanymi.

Nadchodząca zmiana dotyczy chińskich, arabskich nazw domen, a nie URI. Umiędzynarodowione URI są nazywane IRI i są zdefiniowane w RFC 3987 . Jednak powiedziawszy, że zalecałbym nie robić tego sam, ale polegać na istniejącej, przetestowanej bibliotece, ponieważ istnieje wiele możliwości kodowania / dekodowania URI i tego, co jest uważane za bezpieczne według specyfikacji, w porównaniu do tego, co jest bezpieczne przy rzeczywistym użyciu (przeglądarki) .

Jeśli chcesz dać użytkownikom wyjątkowe wrażenia, możesz użyć pushStatedo wprowadzenia szerokiej gamy znaków do adresu URL przeglądarki:

var u="";var tt=168;
for(var i=0; i< 250;i++){
 var x = i+250*tt;
console.log(x);
 var c = String.fromCharCode(x);
 u+=c; 
}
history.pushState({},"",250*tt+u);