Ich muss eine Website erstellen, die Artikel enthält, und ich möchte dafür freundliche URLs erstellen, beispielsweise die URL der Seite mit

Titel: Artikeltest

sollte werden : http://www.example.com/articles/article_test.

Natürlich muss ich einige Zeichen wie ?oder aus dem Titel entfernen #, aber ich bin mir nicht sicher, welche ich entfernen soll.

Kann mir jemand sagen, welche Charaktere sicher aufbewahrt werden können?

So zitieren Sie Abschnitt 2.3 von RFC 3986 :

"Zeichen, die in einer URI zulässig sind, aber keinen reservierten Zweck haben, werden als nicht reserviert bezeichnet. Dazu gehören Groß- und Kleinbuchstaben, Dezimalstellen, Bindestrich, Punkt, Unterstrich und Tilde."

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

Beachten Sie, dass RFC 3986 weniger reservierte Satzzeichen enthält als der ältere RFC 2396 .

Es gibt zwei Zeichensätze, auf die Sie achten müssen: reserviert und unsicher .

Die reservierten Zeichen sind:

• Et-Zeichen ("&")
• Dollar ("$")
• Pluszeichen ("+")
• Komma (",")
• Schrägstrich ("/")
• Doppelpunkt (":")
• Semikolon (";")
• gleich ("=")
• Fragezeichen ("?")
• Symbol 'At' ("@")
• Pfund ("#").

Die allgemein als unsicher geltenden Zeichen sind:

• Platz (" ")
• kleiner als und größer als ("<>")
• Klammern öffnen und schließen ("[]")
• Klammern öffnen und schließen ("{}")
• Rohr ("|")
• Backslash ("\")
• Caret ("^")
• Prozent ("%")

Möglicherweise habe ich eine oder mehrere vergessen, was dazu führt, dass ich die Antwort von Carl V wiederhole. Auf lange Sicht ist es wahrscheinlich besser, eine "weiße Liste" zulässiger Zeichen zu verwenden und dann die Zeichenfolge zu codieren, als zu versuchen, mit Zeichen Schritt zu halten, die von Servern und Systemen nicht zugelassen werden.

Am besten behalten Sie nur einige Zeichen (Whitelist), anstatt bestimmte Zeichen (Blacklist) zu entfernen.

Sie können jedes Zeichen technisch zulassen, solange Sie es ordnungsgemäß codieren. Um im Geiste der Frage zu antworten, sollten Sie jedoch nur die folgenden Zeichen zulassen:

1. Kleinbuchstaben (Großbuchstaben in Kleinbuchstaben umwandeln)
2. Zahlen 0 bis 9
3. Ein Bindestrich - oder Unterstrich _
4. Tilde ~

Alles andere hat eine möglicherweise besondere Bedeutung. Zum Beispiel könnten Sie denken, Sie könnten + verwenden, aber es kann durch ein Leerzeichen ersetzt werden. & ist auch gefährlich, insbesondere wenn einige Umschreiberegeln verwendet werden.

Lesen Sie wie bei den anderen Kommentaren die Standards und Spezifikationen für vollständige Details.

Immer sicher

Diese sind sicher (in Theorie / Spezifikation), im Grunde überall außer dem Domainnamen.
Prozentcodieren Sie alles, was nicht aufgeführt ist, und Sie können loslegen.

    A-Z a-z 0-9 - . _ ~ ( ) ' ! * : @ , ;

Manchmal sicher

Nur sicher, wenn innerhalb bestimmter URL-Komponenten verwendet; Vorsichtig verwenden.

    Paths:     + & =
    Queries:   ? /
    Fragments: ? / # + & =
    

Niemals sicher

Gemäß der URI-Spezifikation (RFC 3986) müssen alle anderen Zeichen prozentual codiert sein. Das beinhaltet:

    <space> <control-characters> <extended-ascii> <unicode>
    % < > [ ] { } | \ ^
    

Wenn maximale Kompatibilität ein Problem darstellt, beschränken Sie den Zeichensatz auf AZ az 0-9 - _.
(mit Punkten nur für Dateinamenerweiterungen).

Denken Sie an den Kontext

Selbst wenn eine URL pro Spezifikation gültig ist, kann sie je nach Kontext dennoch "unsicher" sein. Beispiel: Eine Datei: /// URL mit ungültigen Dateinamenzeichen oder eine Abfragekomponente mit "?", "=" Und "&", wenn sie nicht als Trennzeichen verwendet werden. Die korrekte Behandlung dieser Fälle hängt im Allgemeinen von Ihren Skripten ab und kann umgangen werden. Beachten Sie dies jedoch.

Mit Blick auf RFC3986 - Uniform Resource Identifier (URI): Generische Syntax dreht sich Ihre Frage um die Pfadkomponente eines URI.

    foo://example.com:8042/over/there?name=ferret#nose
     \_/   \______________/\_________/ \_________/ \__/
      |           |            |            |        |
   scheme     authority       path        query   fragment
      |   _____________________|__
     / \ /                        \
     urn:example:animal:ferret:nose

Unter Berufung auf Abschnitt 3.3 sind gültige Zeichen für einen URI segmentvom Typ pchar:

pchar = nicht reserviert / pct-codiert / sub-delims / ":" / "@"

Was zerfällt zu:

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

pct-encoded

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

":" / "@"

Oder mit anderen Worten: Sie können verwenden eine beliebige (nicht-Steuerungen) Zeichen aus dem ASCII - Tabelle , ausnehmen / , ?, #, [und ].

Dieses Verständnis wird durch RFC1738 - Uniform Resource Locators (URL) unterstützt .

nicht reserviert = ALPHA / DIGIT / "-" / "." / "_" / "~"

Aus dem von Ihnen beschriebenen Kontext vermute ich, dass das, was Sie tatsächlich versuchen, als "SEO-Slug" bezeichnet wird. Die allgemein bekannteste Praxis für diese ist:

1. In Kleinbuchstaben konvertieren
2. Konvertieren Sie ganze Zeichenfolgen außer az und 0-9 in einen Bindestrich (-) (keine Unterstriche).
3. Entfernen Sie 'Stoppwörter' aus der URL, dh nicht sinnvoll indizierbare Wörter wie 'a', 'an' und 'the'. Google 'Stoppwörter' für umfangreiche Listen

Als Beispiel würde ein Artikel mit dem Titel "Die Verwendung von! @% $ * Zur Darstellung des Fluchens in Comics" eine Menge "Verwendung, die das Fluchen von Comics darstellt" erhalten.

Das Format für einen URI ist in RFC 3986 definiert . Siehe Abschnitt 3.3 für Details.

Aus SEO-Sicht werden Bindestriche Unterstrichen vorgezogen. In Kleinbuchstaben konvertieren, alle Apostrophe entfernen und dann alle nicht alphanumerischen Zeichenfolgen durch einen einzigen Bindestrich ersetzen. Schneiden Sie überschüssige Bindestriche von Anfang und Ende ab.

Ich hatte ein ähnliches Problem, wollte hübsche URLs haben und kam zu dem Schluss, dass ich nur Buchstaben, Ziffern und _ in URLs zulassen muss. Das ist in Ordnung, dann habe ich einen schönen regulären Ausdruck geschrieben und festgestellt, dass alle UTF8-Zeichen keine Buchstaben in .NET sind und verschraubt wurden. Dies scheint ein bekanntes Problem für die .NET-Regex-Engine zu sein. Also bin ich zu dieser Lösung gekommen:

private static string GetTitleForUrlDisplay(string title)
{
    if (!string.IsNullOrEmpty(title))
    {
        return Regex.Replace(Regex.Replace(title, @"[^A-Za-z0-9_-]", new MatchEvaluator(CharacterTester)).Replace(' ', '-').TrimStart('-').TrimEnd('-'), "[-]+", "-").ToLower();
    }
    return string.Empty;
}


/// <summary>
/// All characters that do not match the patter, will get to this method, i.e. useful for unicode chars, because
/// .NET impl of regext do not handle unicode chars. So we use char.IsLetterOrDigit() which works nicely and we 
/// return what we approve and return - for everything else.
/// </summary>
/// <param name="m"></param>
/// <returns></returns>
private static string CharacterTester(Match m)
{
    string x = m.ToString();
    if (x.Length > 0 && char.IsLetterOrDigit(x[0]))
    {
        return x.ToLower();
    }
    else
    {
        return "-";
    }
}

Ich fand es sehr nützlich, meine URL in eine sichere zu verschlüsseln, als ich einen Wert über ajax / php an eine URL zurückgab, die dann erneut von der Seite gelesen wurde.

PHP-Ausgabe mit URL-Encoder für das Sonderzeichen &

//PHP returning the sucess info of ajax request
echo "".str_replace('&','%26',$_POST['name'])." category was changed";

//javascript sending the value to url
window.location.href='time.php?return=updated&val='+msg;

//javascript/php executing the function printing the value of the url,
//now with the text normally lost in space because of the reserved & character.

setTimeout("infoApp('updated','<?php echo $_GET['val'];?>');",360);

Hoffe, jemand findet meine kleinen Code-Auszüge nützlich! :) :)

Ich denke, Sie suchen nach etwas wie "URL-Codierung" - Codierung einer URL, damit sie im Web "sicher" verwendet werden kann:

Hier ist eine Referenz dafür. Wenn Sie keine Sonderzeichen möchten, entfernen Sie einfach alle Zeichen, für die eine URL-Codierung erforderlich ist:

http://www.w3schools.com/TAGS/ref_urlencode.asp

Zwischen 3-50 Zeichen. Kann Kleinbuchstaben, Zahlen und Sonderzeichen enthalten - Punkt (.), Bindestrich (-), Unterstrich (_) und mit der Rate (@).