URLs:二进制Blob、Unicode还是编码的Unicode字符串?

相关答案见 RFC 2396 ,节 2.1 URI和非ASCII字符

URI和字符之间的关系一直是 对于非US-ASCII字符的混淆。描述 这种关系,区分“性格”是有用的 (作为一个可区分的语义实体)和“八位字节”(一个8位字节) 字节)。有两种映射,一种是从URI字符到八位字节,另一种是 第二个从八位字节到原始字符:

URI字符序列->八位字节序列>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可能通过以下方式“传输” 不是通过计算机网络,例如打印在纸上、阅读 收音机等。

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

关于这个问题:“但是URL真的是文本吗?”

这取决于上下文,在某些语言或库中(例如java,我不确定python),URL可能在内部表示为对象。然而,URL总是有一个定义良好的文本表示。因此,存储文本表示比存储当前所选语言所使用的内部表示要便携得多。

URL语法和语义包含在相当多的标准、建议和实现中,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:将rfc参考更改为最新版本,谢谢S.Lott)