URI中的非法字符

Question

java.net.URI ctor接受大多数非ASCII字符，但不接受ideographic space（0x3000）。 ctor在java.net.URISyntaxException: Illegal character in path ...失败了

所以我的问题是：

• 为什么URI ctor不接受0x3000但接受其他非ASCII字符？
• 还有哪些其他角色不接受？

Answer 1

请注意，第一个示例包含表意空间而不是常规空间。

问题是表意空间。

以下是允许使用非ASCII字符的代码：

        } else if ((c > 128)
                   && !Character.isSpaceChar(c)
                   && !Character.isISOControl(c)) {
            // Allow unescaped but visible non-US-ASCII chars
            return p + 1;
        }

正如你所看到的，它不允许“时髦”的不可见角色。

另请参阅URI类javadocs，它指定URI的每个组件中允许哪些字符（由类！）。

为什么？

这可能是一项安全措施。

别人不允许的是什么？

根据相应的Character谓词方法，是一个空格或控制字符的字符。 （有关精确的规格，请参阅Character javadocs。）

您还应注意，这是与URI规范的偏差。 URI规范表明，只有在以下情况下才允许使用非ASCII字符：

• 将UCS字符代码转换为UTF-8，和
• 百分比编码规范要求的UTF-8字节。

我的理解是，如果你有一个“离经叛道”的URI.toASCIIString()对象，java.net.URI方法将会处理这个问题。

Answer 2

JavaDoc documentation for java.net.URI详细列出了可接受的字符集

人物类别

RFC 2396精确指定URI引用的各个组件中允许哪些字符。以下类别（大部分取自该规范）在下面用于描述这些约束：

• alpha US-ASCII字母字符，'A'到'Z'和'a'到'z'
• digit US-ASCII十进制数字符，'0'到'9'
• alphanum所有alpha和digit字符未保留所有alphanum字符以及字符串“_-！。〜'（）*”中的字符
• punct字符串“，;：$＆+ =”中的字符
• 保留所有punct字符以及字符串“？/ [] @”中的字符
• 转义转义八位字节，即由三角形组成的三元组，后跟两个十六进制数字（'0' - '9'，'A' - 'F'和'a' - 'f'）
• 其他不在US-ASCII字符集中的Unicode字符不是控制字符（根据Character.isISOControl方法），并且不是空格字符（根据Character.isSpaceChar方法）（与RFC 2396的偏差，仅限于美国-ascii）

所有合法URI字符集由未保留，保留，转义和其他字符组成。

特别是，“其他”不包括空格字符，它们（由Character.isSpaceChar）定义为具有Unicode常规类别类型的空格字符

• SPACE_SEPARATOR
• LINE_SEPARATOR
• PARAGRAPH SEPARATOR

根据您在问题中链接的页面，表意空间字符确实是这些类型中的一种。