使字符串 URL 友好（例如：将蒙特利尔转换为蒙特利尔）

Posted 2023-03-05

【中文标题】使字符串 URL 友好（例如：将蒙特利尔转换为蒙特利尔）

【英文标题】：Making strings URL Friendly (eg: convert Montréal to Montreal)

【发布时间】：2010-10-11 08:08:42

【问题描述】：

我正在编写一个需要友好 url 的 Web 应用程序，但我不确定如何处理非 7 位 ASCII 字符。我也不想用 URL 编码的实体替换重音字符。是否有允许这种转换的 C# 方法，或者我是否需要实际映射出我想要处理的每一个案例？

【问题讨论】：

我从这个问题的 URL 中看到，这是 *** 设计者没有理会的事情 :)

大声笑帕特里克，确实，我们可以看到这并没有阻止他们:)

【参考方案1】：

我不知道如何在 C# 中做到这一点，但是您想要的魔术词是“Unicode 分解”。有一种标准方法可以分解“é”等组合字符，然后您应该能够过滤掉非 ASCII 字符。

编辑：this 可能就是您要查找的内容。

【参考方案2】：

使用 UTF-8：

非 ASCII 字符必须首先根据 UTF-8 [STD63] 编码，然后 对应的 UTF-8 序列的每个八位字节必须是百分比- 编码以表示为 URI 字符。 — RFC 3986

【讨论】：

+1。在路径部分中包含非 ASCII 字符是完全允许的；您对它们的 UTF-8 字节进行十六进制编码，浏览器会在地址栏中显示 Unicode 版本。请参阅 Wikipedia 以了解效果很好的地方。

即使他的第二句话是“我不想用 URL 编码的实体替换重音字符”，但您告诉他做一些“必须进行百分比编码才能表示为 URI”的事情？我们这里的问题是无法沟通。

我认为他假设这样的后缀词显示为%xx，而不是它所代表的字符。但这只是单词不是 UTF-8 编码的情况。

你没有有进行十六进制编码；您可以使用“IRI”（带有纯未转义 Unicode 字符的 URI），它将在浏览器中与相同的 URI 一样工作；只是逃避在历史上更可靠。 “URL 编码实体”应该是什么意思是有争议的。可见 %-转义？ html 实体引用？

【参考方案3】：

有类似的东西：URL Routing: Handling Spaces and Illegal Characters When Creating Friendly URLs

不过，我不推荐自动转换。在进行此类更改时，某些单词可能会改变含义。你可以把一个好词变成一个不恰当的词。

【讨论】：

感谢您的链接。我在搜索中找不到任何内容。

【参考方案4】：

好的——这里有一些很好的答案。这些方法会奏效。但是，我不得不质疑你的基本前提。我假设您正在讨论的这些值基本上是查询字符串参数，是吗？这是必须过滤掉特殊字符的最常见原因。

两三年来，我使用字符串编码/解码方法通过查询字符串传递这样的内容。总是有间歇性的问题，因为——该死——有很多不同的可能的特殊字符，以及一个浏览器与另一个浏览器中的问题，等等。我们的方法没有这里概述的那么复杂，但仍然如此。 2005 年，在对我正在开发的大部分系统进行重写期间，我们决定改为只通过查询字符串传递 id 值。这种方法效果非常好，我想不出它有什么缺点。如果你有一个数据库后端，无论如何，你已经为几乎每个字符串附加了一个 id。如果这是用于搜索等，您始终可以通过表单发布来发送它——或者您可以使用不需要您首先加载另一个页面的 AJAX 解决方案。

这些方法并不是在所有情况下都是最好的——这里没有什么灵丹妙药——但这种方法对我和我的团队来说很简单而且非常实用，所以我认为这是你至少要考虑的事情。

【讨论】：

它们不会是查询字符串变量。我将制作以下形式的 URL：http:/server/name/of-montreal，并且我希望通过值“Of Montréal”自动生成 url slug“of-montreal”。在翻译不佳的情况下，总会有手动覆盖。

那么您肯定会接受其他人的建议。听起来您可以只生成一次，然后将它们存储在数据库中，这更好——必须实时编码/解码效率较低。

【参考方案5】：

嗯，我认为原因很简单， 这些字符并不多，你可以很容易地使用字符串类的 Replace() 方法替换字符串中的字符。

【参考方案6】：

此链接可能会有所帮助：http://www.codeproject.com/KB/cs/UnicodeNormalization.aspx

private string LatinToAscii(string InString)

string newString = string.Empty, charString;
char ch;
int charsCopied;

for (int i = 0; i < InString.Length; i++)

    charString = InString.Substring(i, 1);
    charString = charString.Normalize(NormalizationForm.FormKD);
    // If the character doesn't decompose, leave it as-is

    if (charString.Length == 1)
        newString += charString;
    else
    
        charsCopied = 0;
        for (int j = 0; j < charString.Length; j++)
        
            ch = charString[j];
            // If the char is 7-bit ASCII, add

            if (ch < 128)
            
                newString += ch;
                charsCopied++;
            
        
        /* If we've decomposed non-ASCII, give it back
         * in its entirety, since we only mean to decompose
         * Latin chars.
        */
        if (charsCopied == 0)
            newString += InString.Substring(i, 1);
    

return newString;

【参考方案7】：

http://Montréal.com

（在浏览器中复制/粘贴，可以吗？）

【讨论】：

域名中的Unicode字符与路径/查询部分的工作方式不同，它们使用IDN的“punycode”规则进行编码。