URL-адреса, що кодує пробіл: + або% 20?

Коли кодується пробіл у URL-адресі +та коли він кодується %20?

З Вікіпедії (наголос та посилання додано):

Коли дані, які були введені у форми HTML, подаються, назви полів форми та значення кодуються та надсилаються серверу у повідомленні запиту HTTP за допомогою методу GET або POST або, історично, електронною поштою. Кодування, яке використовується за замовчуванням, ґрунтується на дуже ранній версії загальних правил кодування відсотків URI з рядом модифікацій, таких як нормалізація нового рядка та заміна пробілів на "+" замість "% 20". Тип даних, кодованих таким чином MIME, це application / x-www-form-urlencoded, і в даний час він визначений (все ще в дуже застарілому вигляді) в специфікаціях HTML і XForms.

Отже, реальне відсоткове кодування використовує, %20коли дані форми в URL-адресах знаходяться в модифікованій формі, яка використовує +. Тож ви, швидше за все, бачите лише +URL-адреси в рядку запиту після ?.

Ця плутанина пов’язана з тим, що URL-адреси досі "зламані".

Візьмемо, наприклад, " http://www.google.com ". Це URL-адреса. URL - це Уніфікований локатор ресурсів і справді є вказівником на веб-сторінку (у більшості випадків). URL-адреси насправді мають дуже чітку структуру з моменту першої специфікації в 1994 році.

Ми можемо отримати детальну інформацію про URL-адресу " http://www.google.com ":

+---------------+-------------------+
|      Part     |      Data         |
+---------------+-------------------+
|  Scheme       | http              |
|  Host         | www.google.com    |
+---------------+-------------------+

Якщо ми розглянемо більш складну URL-адресу, таку як:

" https: // bob: bobby@www.lunatech.com: 8080 / file; p = 1? q = 2 # третій "

ми можемо отримати таку інформацію:

+-------------------+---------------------+
|        Part       |       Data          |
+-------------------+---------------------+
|  Scheme           | https               |
|  User             | bob                 |
|  Password         | bobby               |
|  Host             | www.lunatech.com    |
|  Port             | 8080                |
|  Path             | /file;p=1           |
|  Path parameter   | p=1                 |
|  Query            | q=2                 |
|  Fragment         | third               |
+-------------------+---------------------+

https://bob:bobby@www.lunatech.com:8080/file;p=1?q=2#third
\___/   \_/ \___/ \______________/ \__/\_______/ \_/ \___/
  |      |    |          |          |      | \_/  |    |
Scheme User Password    Host       Port  Path |   | Fragment
        \_____________________________/       | Query
                       |               Path parameter
                   Authority

Зарезервовані символи різні для кожної частини.

Для URL-адрес HTTP пробіл у частині фрагмента шляху повинен бути закодований до "% 20" (не, абсолютно не "+"), тоді як символ "+" у частині фрагмента шляху може залишатися незашифрованим.

Тепер у частині запиту пробіли можуть бути закодовані або "+" (для зворотної сумісності: не намагайтеся шукати його у стандарті URI), або "% 20", тоді як символ "+" (внаслідок цієї неоднозначності) ) потрібно перейти до "% 2B".

Це означає, що рядок "синій + світло-синій" повинен кодуватися по-різному в частині шляху та запитів:

" http://example.com/blue+light%20blue?blue%2Blight+blue ".

Звідти можна зробити висновок, що кодування повністю побудованої URL-адреси неможливо без синтаксичного усвідомлення структури URL-адреси.

Це зводиться до:

Ви повинні мати %20до ?і +після.

Джерело

Я б рекомендував %20.

Ви їх важко кодуєте?

Однак це не дуже відповідає мовам. Якщо я не помиляюся, PHP urlencode()розглядає пробіли так, як +тоді, коли Python urlencode()трактує їх як %20.

Редагувати:

Здається, я помиляюся. Python's urlencode()(принаймні в 2.7.2) використовує quote_plus()замість цього quote()і, таким чином, кодує пробіли як "+". Здається також, що рекомендація W3C - це "+", як тут: http://www.w3.org/TR/html4/interact/forms.html#h-17.13.4.1

Насправді ви можете прослідкувати за цією цікавою дискусією щодо власного трекера проблем Python щодо того, що використовувати для кодування пробілів: http://bugs.python.org/issue13866 .

ЗРІД №2:

Я розумію, що найпоширеніший спосіб кодування "" - це "+", але лише примітка. Це може бути лише я, але я вважаю це трохи заплутаним:

import urllib
print(urllib.urlencode({' ' : '+ '})

>>> '+=%2B+'

Простір може бути кодований лише до "+" в "application / x-www-form-urlencoded" вміст пар типу "ключ-значення", які запитують частину URL-адреси. На мою думку, це МАЙ, а не ОБОВ'ЯЗКОВО. В решті URL-адрес вона кодується як% 20.

На мою думку, пробіли краще завжди кодувати як% 20, а не як "+", навіть у частині запиту URL-адреси, оскільки саме специфікація HTML (RFC-1866) вказала, що символи пробілу повинні кодуватися як " + "in" application / x-www-form-urlencoded "пара типів ключових значень типу вмісту (див. параграф 8.2.1. підпункт 1.)

Цей спосіб кодування даних форми також наведений у пізніших специфікаціях HTML. Наприклад, шукайте відповідні параграфи про application / x-www-form-urlencoded в HTML 4.01 Специфікація тощо.

Ось зразок рядка в URL-адресі, де специфікація HTML дозволяє кодувати пробіли як плюси: " http://example.com/over/there?name=foo+bar ". Отже, лише після "?" Пробіли можна замінити плюсами . В інших випадках пробіли повинні бути закодовані до% 20. Але оскільки важко правильно визначити контекст, найкраща практика ніколи не кодує пробіли як "+".

Я б рекомендував відсотково кодувати всі символи, крім "незарезервованого", визначеного в RFC-3986, p.2.3

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

Реалізація залежить від обраної вами мови програмування.

Якщо ваша URL-адреса містить національні символи, спочатку кодуйте їх до UTF-8, а потім відсотковим кодуйте результат.