URL 中的非 ASCII 字符

Question

我遇到了一个以前从未见过的新问题：我的客户正在将文件添加到我们构建的项目中，并且某些文件名中包含特殊字符，因为其中一些单词是西班牙语。

例如，我正在测试的文件中有一个 á。我在 css 文件中将该图像称为背景图像，但在 Safari 中它不显示。但它适用于 FF 和 Chrome。

作为测试，我将链接粘贴到浏览器中，同样的事情。适用于 FF 和 Chrome，但 Safari 会引发错误。所以我猜语言字符正在抛出它？

Firefox 转换以下 url 并将 á 更改为 a%CC%81 并加载图像。

http://www.themediacouncil.com/test/nonascii/LA-MAR_Cebiche-Clássico_foto-Henrique-Peron-470x120-1371827671.jpg

您可以在上面看到它中断...但是 FF 和 Chrome 将其转换为： http://www.themediacouncil.com/test/nonascii/LA-MAR_Cebiche-Cla%CC%81ssico_foto-Henrique-Peron-470x120-1371827671.jpg

您还可以在此处查看此操作：http://jsfiddle.net/Md4gZ/2/

.testbox { width:340px; height:100px; background:url('http://www.themediacouncil.com/test/nonascii/LA-MAR_Cebiche-Clássico_foto-Henrique-Peron-470x120-1371827671.jpg') no-repeat top left; }

那么处理这个问题的正确方法是什么。我正在使用 PHP 和 WORDPRESS 进行开发。我宁愿不必告诉客户返回并用特殊字符替换所有文件。

感谢任何帮助。谢谢！

Answer 1

我相信正在成为标准的是将非 ascii 字符转换为 UTF-8 字节序列，并将这些序列作为 %HH 十六进制代码包含在 URL 中。 á 字符是 U+00E1 (Unicode)，它在 UTF-8 中构成两个字节 0xC3 0xA1。因此，Clássico 将变为 Cl%C3%A1ssico。

您从 Firefox 报告的转换 Cla%CC%81ssico 的做法略有不同：它将 á 更改为后跟 U+0301，即 COMBINING ACUTE ACCENT 字符。在 UTF-8 中，U+0301 使0xCC 0x81。

您应该选择哪种表示形式——unicode“á”或“a 后跟重音”——取决于网络服务器匹配正确事物所需的内容。在您的情况下，文件名可能实际上包含组合字符重音，这就是它起作用的原因（很难说）。

另一种较旧的处理非 ascii 拉丁字符的方法是使用 8 位拉丁字符集表示（ISO-8859-1 或类似的东西，例如 Windows-1252）并将其编码为一个字节。这将使Clássico 变成Cl%E1ssico。但由于这仅适用于拉丁字符集，并且对于它们的某些字符来说是模棱两可的，因此它很有希望并且可能会消失。