Перезапись URL - международные буквы

Как мне форматировать URL-адреса со специальными/международными символами?

В настоящее время я стараюсь, чтобы URL-адреса «выглядели хорошо», чтобы:

www.myhost.com/this is a test, do you know how?

преобразуется в:

www.myhost.com/this_is_a_test_do_you_know_how

Я знаю, что некоторые международные буквы могут быть преобразованы (ü = ue, æ = ae, å = aa), некоторые символы могут быть удалены. Обычно я стараюсь, чтобы URL-адрес выглядел «хорошо», но разве это глупо?

Но что мне делать с китайскими, японскими, арабскими буквами, которые не имеют ничего общего с нашим западным форматом ASCII?

Мне действительно не нравится идея переписывать URL-адрес с помощью шестнадцатеричных кодов, поэтому сейчас я просто использую свой внутренний уникальный идентификатор, если URL-адрес содержит слишком много «неконвертируемых» символов.


url url-rewriting character-encoding
person Community    schedule 16.10.2008    source источник

Ответы (4)


arrow_upward
1
arrow_downward

Какой язык вы используете? PHP включает функцию filter_var(), которая делает почти все, что вам нужно. См. http://us.php.net/manual/en/function.filter-var.php.

В общем, стоимость создания удобочитаемых строк ASCII из произвольного ввода строк, вероятно, слишком велика, чтобы того стоить. Если пользователь даст вам китайскую ханзи, что вы будете делать? Посмотреть в словаре и вывести результат в пиньине?

Лучшее и наиболее общее решение — просто взять ввод, отформатировать его как UTF-8, а затем закодировать результат в URL-адресе. Это сделает нелатинский текст нечитаемым, но в любом случае для этих языков нет хорошего общего решения. Язык, который вы используете, почти наверняка имеет библиотечные функции, которые упростят эту задачу.

person JSBձոգչ    schedule 16.10.2008

arrow_upward
0
arrow_downward

Но разве Google не использует URL? Если какой-то текст из данной статьи находится в URL-адресе, поисковая система Google будет его использовать? Но если на самом деле нет классного способа обработки букв, отличных от ascii, то эти языки имеют более низкий приоритет в «google-internet?»

person Community    schedule 16.10.2008

arrow_upward
0
arrow_downward

Взгляните, скажем, на http://ja.wikipedia.org/ . Если навести указатель мыши на ссылки, они отобразятся в строке состояния в виде японских символов. Не выглядит так по-японски в адресной строке, когда вы переходите по ссылке, но, возможно, ничего не поделаешь. Не проверял, но я предполагаю, что это все в шестнадцатеричном кодировании utf8.

person Community    schedule 16.10.2008
comment
Да, это возможно, но на мой взгляд очень ПЛОХАЯ идея. Я сталкивался с этим иногда, и знаете что? У меня были проблемы, потому что у меня не было подходящей клавиатуры на компьютере, который я использовал в то время! - person Davide; 16.10.2008
comment
Не уверен, что понимаю. Какие проблемы были у вас, и как повлияла клавиатура? Насколько я понимаю, текст html полностью написан символами ASCII, а браузер интерпретирует и отображает закодированные символы, отличные от ascii, если может, поэтому клавиатура не должна вводить его. - person ; 16.10.2008
comment
да, джа. сайт просто работает с японскими буквами, не беспокоясь о буквах ascii. - person ; 17.10.2008

arrow_upward
0
arrow_downward

если вы используете .NET без

Server.URLEncode( myURL );

но если вы хотите использовать скандинавские символы или любые другие символы, вам просто нужно настроить правило в компоненте перезаписи URL-адресов, потому что DynamicWebCMS использует все доступные символы, пробелы заменяются только символами подчеркивания ('_')

как этот URL:

http://www.gynækologen.dk/Undersøgelser_og_behandlinger.aspx

вы можете увидеть æ в домене, а также ø в имени страницы

person balexandre    schedule 16.10.2008
comment
да, я думал об этом, но опять же, вы не можете просто вставить URL-адрес на какой-то сайт, который его не поддерживает. Например: validator.w3.org/ И привет тебе, balexandre, я тоже датчанин :) - person ; 17.10.2008
comment
ааа похоже это просто имя хоста - person ; 17.10.2008