Karakter diizinkan dalam URL

Adakah yang tahu daftar karakter lengkap yang dapat digunakan dalam GET tanpa dikodekan? Saat ini saya menggunakan AZ az dan 0-9 ... tapi saya mencari tahu daftar lengkapnya.

Saya juga tertarik jika ada spesifikasi yang dirilis untuk penambahan bahasa Cina, bahasa Arab (yang jelas akan berdampak besar pada pertanyaan saya)

Dari spesifikasi RFC 1738 :

Dengan demikian, hanya alfanumerik, karakter khusus " $-_.+!*'(),", dan karakter khusus yang digunakan untuk tujuan khusus mereka yang dapat digunakan tanpa kode di dalam URL.

EDIT: Seperti yang ditunjukkan oleh @Jukka K. Korpela, RFC ini diperbarui oleh RFC 3986 . Ini telah memperluas dan mengklarifikasi karakter yang valid untuk host, sayangnya itu tidak mudah disalin dan ditempelkan, tetapi saya akan melakukan yang terbaik.

Dalam urutan pertama yang cocok:

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

Karakter yang diizinkan dalam URI dapat dipesan atau tidak dipesan (atau karakter persen sebagai bagian dari penyandian-persen)

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

mengatakan ini adalah RFC 3986 karakter tanpa syarat (bagian 2.3) serta karakter yang dipesan (bagian 2.2) jika mereka perlu mempertahankan makna khusus mereka. Dan juga karakter persen sebagai bagian dari pengkodean persen.

Daftar lengkap dari 66 karakter tanpa pagu harga ada di RFC3986, di sini: http://tools.ietf.org/html/rfc3986#section-2.3

Ini adalah karakter apa pun dalam rangkaian regex berikut:

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

Saya mengujinya dengan meminta situs web saya (apache) dengan semua karakter yang tersedia di keyboard jerman saya sebagai parameter URL:

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

Ini tidak disandikan:

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

Tidak disandikan setelah urlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_

Tidak disandikan setelah rawurlencode():

0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ.-_~

Catatan: Sebelum PHP 5.3.0 rawurlencode()disandikan ~karena RFC 1738 . Tapi ini digantikan oleh RFC 3986 sehingga aman digunakan, sekarang. Tapi saya tidak mengerti mengapa misalnya {}dikodekan melalui rawurlencode()karena mereka tidak disebutkan dalam RFC 3986.

Tes tambahan yang saya lakukan adalah tentang penautan otomatis dalam teks surat. Saya menguji Mozilla Thunderbird, aol.com, outlook.com, gmail.com, gmx.de dan yahoo.de dan mereka sepenuhnya menautkan URL yang berisi karakter ini:

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

Tentu saja ?itu ditautkan juga, tetapi hanya jika digunakan sekali.

Beberapa orang sekarang menyarankan untuk menggunakan hanya rawurlencode()karakter, tetapi apakah Anda pernah mendengar bahwa seseorang memiliki masalah untuk membuka situs web ini?

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

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

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

Pada tanda, tanda titik dua, tanda koma dan tanda seru
https: //www.google.com/maps/place/USA/@36.2218457, ...

Karena itu karakter ini harus dapat digunakan tanpa kode tanpa masalah. Tentu saja Anda tidak boleh menggunakan &;karena urutan pengkodean seperti &. Alasan yang sama berlaku karena %digunakan untuk menyandikan karakter secara umum. Dan =saat memberikan nilai ke nama parameter.

Akhirnya saya akan mengatakan tidak apa-apa untuk menggunakan ini tanpa kode:

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

Tetapi jika Anda mengharapkan URL yang dibuat secara acak sebaiknya tidak Anda gunakan .!, karena itu menandai akhir kalimat dan beberapa aplikasi email tidak akan otomatis menautkan karakter terakhir dari url. Contoh:

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

Dari sini

Dengan demikian, hanya alfanumerik, karakter khusus $-_.+!*'(), dan karakter khusus yang digunakan untuk tujuan khusus mereka yang dapat digunakan tanpa kode di dalam URL.

Ini tercantum dalam RFC3986 . Lihat ABNF yang Dikumpulkan untuk URI untuk melihat apa yang diizinkan di mana dan regex untuk penguraian / validasi.

RFC3986 mendefinisikan dua set karakter yang dapat Anda gunakan dalam URI:

• Karakter yang Dicadangkan ::/?#[]@!$&'()*+,;=

  reserved = gen-delims / sub-delims

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

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

  Tujuan dari karakter yang dipesan adalah untuk menyediakan satu set karakter pembatas yang dapat dibedakan dari data lain dalam URI. URI yang berbeda dalam penggantian karakter yang dipesan dengan oktet berkode persen yang sesuai tidak setara.

• Karakter Tanpa Cadangan :A-Za-z0-9-_.~

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

  Karakter yang diizinkan dalam URI tetapi tidak memiliki tujuan khusus disebut tidak dapat diterima.

Perubahan yang akan datang adalah untuk nama domain cina, arab bukan URI. URI yang terinternasionalisasi disebut IRI dan didefinisikan dalam RFC 3987 . Namun, setelah mengatakan bahwa saya akan merekomendasikan untuk tidak melakukan ini sendiri tetapi mengandalkan pustaka yang sudah teruji, karena ada banyak pilihan pengkodean / decoding URI dan apa yang dianggap aman berdasarkan spesifikasi, versus apa yang aman dengan penggunaan aktual (browser) .

Jika Anda ingin memberikan pengalaman khusus kepada pengguna yang dapat Anda gunakan pushStateuntuk menghadirkan beragam karakter ke url browser:

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);