URL-адрес, кодирующий пробел: + или% 20?

Из Wikipedia (выделено и добавлена ​​ссылка):

При отправке данных, которые были введены в формы HTML, имена и значения полей формы кодируются и отправляются на сервер в сообщении HTTP-запроса с использованием метода GET или POST, или, как правило, по электронной почте. Кодировка, используемая по умолчанию, основана на очень ранней версии общих правил процентного кодирования URI с количество модификаций, таких как нормализация новой строки и замена пробелов на" + "вместо"% 20 ". Тип данных MIME, закодированных таким образом является application / x-www-form-urlencoded, и в настоящее время он определен (все еще очень устаревшим) в спецификациях HTML и XForms.

Таким образом, реальное процентное кодирование использует %20, в то время как данные формы в URL-адресах находятся в измененной форме, которая использует +. Таким образом, вы, скорее всего, увидите только + в URL-адресах в строке запроса после ?.

Эта путаница возникает из-за того, что URL-адреса по сей день «не работают».

Возьмем, к примеру, "http://www.google.com". Это URL. URL-адрес - это унифицированный указатель ресурсов, который на самом деле является указателем на веб-страницу (в большинстве случаев). На самом деле URL-адреса имеют очень четко определенную структуру с момента первой спецификации в 1994 году.

Мы можем извлечь подробную информацию об URL "http://www.google.com":

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

Если мы посмотрим на более сложный URL-адрес, например:

"https://bob:[email protected]:8080/file;p=1?q=2#third "

мы можем извлечь следующую информацию:

+-------------------+---------------------+
|        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:[email protected]:8080/file;p=1?q=2#third
\___/   \_/ \___/ \______________/ \__/\_______/ \_/ \___/
  |      |    |          |          |      | \_/  |    |
Scheme User Password    Host       Port  Path |   | Fragment
        \_____________________________/       | Query
                       |               Path parameter
                   Authority

Зарезервированные символы различны для каждой части.

Для URL-адресов HTTP пробел в части фрагмента пути должен быть закодирован как «% 20» (нет, абсолютно не «+»), в то время как символ «+» в части фрагмента пути можно оставить незакодированным.

Теперь в части запроса пробелы могут быть закодированы либо как «+» (для обратной совместимости: не пытайтесь искать его в стандарте URI), либо как «% 20», в то время как символ «+» (в результате этой неоднозначности ) необходимо преобразовать в "% 2B".

Это означает, что строка «синий + голубой» должна кодироваться по-разному в частях пути и запроса:

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

Отсюда вы можете сделать вывод, что кодирование полностью сконструированного URL-адреса невозможно без синтаксической осведомленности о структуре URL-адреса.

Это сводится к следующему:

У вас должно быть %20 перед ? и + после.

Источник

Я бы порекомендовал %20.

Вы их жестко кодируете?

Однако это не очень единообразно для разных языков. Если я не ошибаюсь, в PHP urlencode() пробелы рассматриваются как +, а в Python urlencode() они рассматриваются как %20.

РЕДАКТИРОВАТЬ:

Кажется, я ошибаюсь. Python urlencode() (по крайней мере, в 2.7.2) использует quote_plus() вместо quote() и, таким образом, кодирует пробелы как "+". Также кажется, что рекомендация W3C - это «+», как здесь: http://www.w3.org/TR/html4/interact/forms.html#h-17.13.4.1

Фактически, вы можете следить за этой интересной дискуссией в собственном трекере проблем Python о том, что использовать для кодирования пробелов: http://bugs.python.org/issue13866.

РЕДАКТИРОВАТЬ № 2:

Я понимаю, что наиболее распространенный способ кодирования "" - это "+", но просто примечание, это может быть только я, но меня это немного сбивает с толку:

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

>>> '+=%2B+'

Пробел может быть закодирован только как "+" в части запроса пар ключ-значение типа содержимого "application / x-www-form-urlencoded" URL. На мой взгляд, это МОЖНО, а не ОБЯЗАТЕЛЬНО. В остальных URL-адресах он кодируется как% 20.

На мой взгляд, лучше всегда кодировать пробелы как% 20, а не как "+", даже в части запроса URL-адреса, потому что это спецификация HTML (RFC-1866) указывает, что символы пробелов должны быть закодированы как " + "in" application / x-www-form-urlencoded "пары ключ-значение типа содержимого (см. параграф 8.2.1. подпункт 1.)

Этот способ кодирования данных формы также указан в более поздних спецификациях HTML. Например, поищите соответствующие абзацы о application / x-www-form-urlencoded в спецификации HTML 4.01 и т. Д.

Вот пример строки в URL, где спецификация HTML допускает кодирование пробелов как плюсов: "http://example.com/over/there?name=foo+bar ". Итак, только после "?" Пробелы можно заменить на плюсы. В других случаях пробелы следует кодировать как% 20. Но поскольку правильно определить контекст сложно, лучше никогда не кодировать пробелы как «+».

Я бы рекомендовал кодировать в процентах все символы, кроме "незарезервированных", определенных в RFC-3986, п. 2.3.

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

Реализация зависит от выбранного вами языка программирования.

Если ваш URL-адрес содержит национальные символы, сначала закодируйте их в UTF-8, а затем закодируйте результат в процентах.