Question

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

失败

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？
其他哪些角色不接受？

Answer 1

JavaDoc documentation for java.net.URI

详细列出了可接受的字符集

字符类别

RFC 2396精确指定了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，＆＃39; A＆＃39;通过＆＃39; Z＆＃39;和＆＃39; a＆＃39;通过＆＃39; z＆＃39;

数字 US-ASCII十进制数字符，＆＃39; 0＆＃39;通过＆＃39; 9＆＃39;

alphanum 所有字母和数字字符   未保留所有的alphanum字符以及字符串中的字符＆＃34; _-！。〜＆＃39;（）*＆＃34;

punct 字符串中的字符＆＃34;，;：$＆amp; + =＆＃34;

保留所有符号字符和字符串中的字符＆＃34;？/ [] @＆＃34;

转义转义的八位字节，即由百分号（＆＃39;％＆＃39;）组成的三元组，后跟两个十六进制数字（＆＃39; 0＆＃39; - ＆＃39; 9＆＃39;，＆＃39; A＆＃39; - ＆＃39; F＆＃39;和＆＃39; a＆＃39; - ＆＃39; f＆＃39;）

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US-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＆＃34;其他＆＃34; 不是否包含空格字符（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。

Answer 2

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的每个组件中允许的字符数（由类！）。

为什么呢？

这可能是一种安全措施。

其他人不允许的是什么？

根据相应的Character谓词方法，是空格或控制字符的字符。（有关精确的说明，请参阅Character javadocs。）

您还应该注意，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”URI.toASCIIString()对象，java.net.URI方法会处理这个问题。

URI中的非法字符

2 个答案:

字符类别