标头 404 与标头 400：url 解析错误

Question

我正在编写自己的小 php 框架。我想把所有东西都写得尽可能语义化，而且我很累。

我有一个 url 解析 class。它解析整个 url（方案、子域、域、资源和查询）。接下来router 类决定如何处理这个url。如果有与url对应的资源，它会“渲染”它，如果没有它会渲染404，如果资源被禁止它会渲染403，等等......这是什么问题：

假设我的网站位于：http://en.mysite.com。假设页面asd 和&*% 不存在。所以我有 2 个网址：

http://en.mysite.com/asd
http://en.mysite.com/&*%($^&#

当然这两个网站都不存在。但是标题应该是什么样子？我预测：

http://en.mysite.com/asd // header 404 Page not found
http://en.mysite.com/&*% // header 400 Bad request

但是（基于我们的大师网站）：

http://stackoverflow.com/<<            // header 404
http://stackoverflow.com/&;:           // header 404
http://stackoverflow.com/&*%($%5E&#    // header 400 (which btw is not styled...)
https://www.google.com/%&*(#$*%&@^     // header 404...

什么是规则？每个系统都应该预测哪些符号可以用于 url？至于我的网址应该只包含[a-z0-9-_.#!]+。我使用斜杠作为参数，所以我不需要? = &。 但一般规则是什么？规范中是否有任何 url 正则表达式？

---

顺便说一句：对于那些会说放 404 并去喝熊的人：我可能会:)。

但是在 SEO 的情况下这个问题有点严重。 因为 400 与 404 在定位的情况下完全不同。以您自己的方式设置 400 页面的样式非常好，并且 对某人说不是“找不到页面”而是“你想在我美丽的 url 中注入一些东西吗？ 这是一个错误的请求！

Answer 1

据我从 IETF RFC2616 得知，格式错误的请求应该返回 400（即不符合 IETF RFC3986，而对于不存在的资源应该返回 404（410 应该是为曾经存在但现在已经消失的资源返回）。

在上面的示例中，带有 % 符号且后跟两个十六进制字符的 URL 肯定是格式错误的（例如 en.mysite.com/&amp;<em>%($^&amp;# </em> 和 www.google.com/%&(#$*%&@^）。最后一部分有两个?（问号）的查询也是格式错误的。

可以在回答问题时找到 URL 的正则表达式：PHP validation/regex for URL。