URL：二进制Blob，Unicode还是编码的Unicode字符串？

Question

我希望将URL存储在数据库中（在本例中为MySQL）并在Python中处理它。虽然数据库和编程语言可能与我的问题无关。

在我的设置中，我在查询数据库中的文本字段时收到unicode字符串。但URL实际上是文本吗？编码和解码是unicode应该对URL进行的操作吗？或者，最好是使数据库中的列成为二进制blob？

那么，你如何处理这个问题？

澄清： 此问题与使用百分比符号对非ASCII字符进行urlencoding有关。这是关于unicode表示文本和字节字符串表示将此文本编码为字节序列的方式。在Python（3.0之前）中，这种区别在于unicode和str类型。在MySQL中，它是TEXT到BLOBS。因此概念似乎在编程语言和数据库之间对应。但是，在这个方案中处理URL的最佳方法是什么？

Answer 1

相关答案可在RFC 2396部分找到 2.1 URI和非ASCII字符

---

URI和字符之间的关系是其中的一个来源 对于不属于US-ASCII的字符的混淆。来描述 关系，区分“性格”是有用的 （作为可区分的语义实体）和“八位字节”（8位 字节）。有两个映射，一个从URI字符到八位字节，和 从八位字节到原始字符的第二个：

URI字符序列 - ＆gt;八位字节序列 - ＆gt;原始字符序列

URI表示为字符序列，而不是序列 八位字节这是因为URI可以通过这种方式“运输” 不是通过计算机网络，例如，打印在纸上，阅读 收音机等。

---

Answer 2

在问题上：“但网址实际上是文字吗？”

这取决于上下文，在某些语言或库中（例如java，我不确定python），URL可以在内部表示为对象。但是，URL始终具有明确定义的文本表示。因此，存储文本表示比存储当前使用的语言所使用的内部表示要便携得多。

URL语法和语义被很多标准，建议和实现所涵盖，但我认为解析和构建正确URL的最权威来源是RFC 2396。

关于unicode的问题，第2.1节涉及非ascii字符。

（编辑：更改rfc-reference到最新版本，谢谢S.Lott）

Answer 3

请注意，还有一个Unicode Web地址标准，IRI（国际化资源标识符）。 RFC 3987