我應該在我的站點地圖中編碼特殊字符嗎？

Question

我有一些URL包含特殊字符。例如：

http://www.example.com/bléèàû.html 

如果您在瀏覽器中輸入此URL，我的Web服務器將顯示正確的頁面（它可以處理特殊字符）。

我看過sitemaps specs，並不清楚sitemaps文件是否可以包含特殊字符。根據我對協議的理解，如果URL工作正常，並且服務器提供正確的頁面並且XML文件是UTF-8編碼的，那麼就沒問題。

例如，本項是有效的站點地圖條目：

<url> 
     <loc>http://www.example.com/bléèàû.html</loc> 
     <changefreq>weekly</changefreq> 
    </url> 

任何人都可以證實這一點？

[更新]我不願意編碼特殊字符的原因是我不想爲相同的內容引入重複的URL。例如

http://www.example.com/bl%C3%A9%C3%A8%C3%A0%C3%BB.html 

和

http://www.example.com/bléèàû.html 

將成爲同一頁面。我認爲谷歌會抓住它的正常索引和網站地圖的URL。不幸的是，谷歌有一種傾向，即將具有重複URL指向同一頁面的網站的網頁排名降級。

Answer 1

站點地圖規範並沒有說。它以各種轉義形式顯示了URL的示例，但沒有確切地說出第一個示例（原始字符）是否允許。它只把它們稱爲'URL'，沒有提及'URL'或RFC的特定定義，它可以說明它們是指舊式ASCII URI還是IRI（可能包含非ASCII字符）。

因此，％-escape URL的UTF-8編碼是最安全的。該鏈接將在全球範圍內發揮作用，並應作爲所有現代瀏覽器中的Unicode字符呈現給用戶。

<loc>http://www.example.com/bl%C3%A9%C3%A8%C3%A0%C3%BB.html</loc> 

Answer 2

該規範說，站點地圖必須是UTF-8編碼。如果網址正確並在您的網站上使用，那麼請將其包含在您的站點地圖中。

Answer 3

雖然站點地圖必須以UTF-8編碼，但這並不意味着其中包含的URL具有所有UTF-8可用。

URL應該是RFC中規定的US-ASCII的子集。我不相信你的榜樣網址：

http://www.example.com/bléèàû.html 

是有效的根據是參考，而應被URL編碼/轉義。

• RFC1738: Uniform Resource Locators (URL) (1994)
• RFC3986: Uniform Resource Identifier (URI): Generic Syntax (2005)

Answer 4

對於那些無法輕鬆輸入特殊字符**的用戶，我建議您也接受服務器端最接近的近似值。 （即別名或轉發/bleeau.html到/bléèàû。html）

**例如具有有限鍵盤和具有不同鍵盤語言佈局的人員的手機瀏覽器。