我正在做一个有文章的网站，我需要文章有“友好”的url，基于标题。
例如，如果我的文章标题是“文章测试”，我希望URL是http://www.example.com/articles/article_test。
但是，文章标题(与任何字符串一样)可以包含多个特殊字符，这些字符不可能直接放在我的URL中。比如说，我知道?或#需要被替换，但我不知道所有其他。
url中允许使用哪些字符?什么东西是安全的?
当前回答
看看RFC3986 -统一资源标识符(URI):通用语法，你的问题围绕着URI的路径组件。
foo: / / example.com: 8042 / / / ? name =雪貂#鼻子
\_/ \______________/\_________/ \_________/ \__/
| | | | |
scheme authority path query fragment
| _____________________|__
/ \ / \
urn:example:animal:ferret:nose
引用3.3节，URI段的有效字符类型为pchar:
Pchar = unreserved / pct-encoded / sub-delims / ":" / "@"
具体分为:
Alpha / digit / "-" / "."/ "_" / "~" pct-encoded “啊!”/ "$" / "&" / "'" / "(" / ")"/ "*" / "+" / " " / ";"/“=” ":" / "@"
或者换句话说:您可以使用ASCII表中的任何(非控制-)字符，除了/，?，#，[和]。
这一理解得到了RFC1738 -统一资源定位符(URL)的支持。
其他回答
从你所描述的上下文来看，我怀疑你实际上想要做的是一种叫做“SEO slug”的东西。最常见的做法是:
转换为小写 将除a-z和0-9之外的整个字符序列转换为一个连字符(-)(不是下划线) 从URL中删除“停止词”，即“a”、“an”和“the”等无意义的可索引词;谷歌用于广泛列表的“停止词”
举个例子，一篇名为“漫画中使用!@%$*来表示脏话”的文章会出现“用法-表示-脏话-漫画”。
我认为你正在寻找类似“URL编码”的东西——对URL进行编码，以便在网络上使用它是“安全的”:
这里有一个参考。如果你不想要任何特殊字符，只需删除任何需要URL编码的字符:
HTML URL编码参考
看看RFC3986 -统一资源标识符(URI):通用语法，你的问题围绕着URI的路径组件。
foo: / / example.com: 8042 / / / ? name =雪貂#鼻子
\_/ \______________/\_________/ \_________/ \__/
| | | | |
scheme authority path query fragment
| _____________________|__
/ \ / \
urn:example:animal:ferret:nose
引用3.3节，URI段的有效字符类型为pchar:
Pchar = unreserved / pct-encoded / sub-delims / ":" / "@"
具体分为:
Alpha / digit / "-" / "."/ "_" / "~" pct-encoded “啊!”/ "$" / "&" / "'" / "(" / ")"/ "*" / "+" / " " / ";"/“=” ":" / "@"
或者换句话说:您可以使用ASCII表中的任何(非控制-)字符，除了/，?，#，[和]。
这一理解得到了RFC1738 -统一资源定位符(URL)的支持。
从SEO的角度来看，连字符比下划线更受欢迎。转换为小写，删除所有撇号，然后用一个连字符替换所有非字母数字字符字符串。修剪多余的连字符从开始和结束。
我也遇到过类似的问题。我想拥有漂亮的url，并得出结论，我必须只允许字母，数字，-和_在url中。
这很好，但后来我写了一些漂亮的正则表达式，我意识到它识别所有UTF-8字符不是。net中的字母，这是搞砸了。对于. net正则表达式引擎来说，这似乎是一个众所周知的问题。所以我得到了这个解决方案:
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 characters, because
/// .NET implementation of regex do not handle Unicode characters. 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 "-";
}
}
