如何在URL中转义中文Unicode字符？

Question

我有我的PHP web应用程序的中国用户输入产品到我们的系统。例如，输入的信息是产品名称和价格。

我们想使用产品标题来为这些产品生成一个很好的URL插件。似乎我们不能只使用中文作为HREF属性。

有谁知道我们如何处理像“婴儿服饰”这样的标题，这样我们就可以生成像http://www.site.com/婴儿服饰这样干净的url了吗？

对于“普通”语言来说，一切都很好，但是高UTF-8语言给我们带来了问题。

此外，当生成干净的网址时，我们想要记住搜索引擎优化，但我没有与中文在这方面的经验。

Answer 1

如果您的字符串已经是UTF-8，只需使用rawurlencode对字符串进行正确编码：

$path = '婴儿服饰';
$url = 'http://example.com/'.rawurlencode($path);

UTF-8是非ASCII字符的首选字符编码(尽管URI中只允许ASCII字符，这就是您需要使用percent-encoding的原因)。结果与tchrist’s example中的结果相同

http://example.com/%E5%A9%B4%E5%84%BF%E6%9C%8D%E9%A5%B0

Answer 2

这段代码使用了CPAN module, URI::Escape

#!/usr/bin/env perl

use v5.10;
use utf8;

use URI::Escape qw(uri_escape_utf8);

my $url  = "http://www.site.com/";
my $path = "婴儿服饰";

say $url, uri_escape_utf8($path);

运行时，打印：

http://www.site.com/%E5%A9%B4%E5%84%BF%E6%9C%8D%E9%A5%B0

这就是你要找的吗？

顺便说一下，这四个字符是：

CJK UNIFIED IDEOGRAPH-5A74
CJK UNIFIED IDEOGRAPH-513F
CJK UNIFIED IDEOGRAPH-670D
CJK UNIFIED IDEOGRAPH-9970

根据Unicode::Unihan的数据库，它似乎是yīngér füsh？，或者可能只是每个Lingua::ZH::Romanize::Pinyin的ying er füshi。甚至还可以使用Unicode::Unihan的粤语版本，甚至是jing²jan⁴fuk⁶sik?或者jing˥jan˨˩fuk˨sik˥。