Quel encodage de caractères dois-je utiliser pour un en-tête HTTP?

J'utilise un caractère spécial HTML "amusant" (✰) (voir http://html5boilerplate.com/ pour plus d'informations) pour un Serveren-tête HTTP et je me demande s'il est "autorisé" par spécification.

• En utilisant l'onglet Réseau dans les outils de développement de Chrome sur Windows Xp Pro SP 3, je vois le ✰ très bien.

• Dans IE8, le ✰ n'est pas rendu correctement.

• Le w3.org validateur HTML ne pas rendu correctement (affiche « â°» au lieu).

Maintenant, je n'aime pas trop les encodages de caractères ... et franchement je ne m'en soucie pas trop; J'utilise juste aveuglément UTF-8 car on me dit de le faire. :-)

La disparité est-elle causée par des bogues dans les différents analyseurs / navigateurs / moteurs / (quel que soit leur nom)?

Y a-t-il une spécification pour cela ou peut-être une liste de caractères autorisés pour une "valeur" d'en-tête HTTP?

En bref: seul l'ASCII est garanti de fonctionner. Certains octets non ASCII sont autorisés pour la compatibilité ascendante, mais ne sont pas censés être affichables.

HTTPbis a abandonné et a précisé que dans les en-têtes, il n'y avait pas de codage utile en dehors de l'ASCII:

Historiquement, HTTP a autorisé le contenu de champ avec du texte dans le jeu de caractères ISO-8859-1 [ISO-8859-1], prenant en charge d'autres jeux de caractères uniquement grâce à l'utilisation du codage [RFC2047]. En pratique, la plupart des valeurs de champ d'en-tête HTTP n'utilisent qu'un sous-ensemble du jeu de caractères US-ASCII [USASCII]. Les champs d'en-tête nouvellement définis DEVRAIENT limiter leurs valeurs de champ aux octets US-ASCII. Un destinataire DEVRAIT traiter les autres octets du contenu de champ (obs-text) comme des données opaques.

Auparavant, la RFC 2616 de 1999 définissait ceci:

Les mots de * TEXT PEUVENT contenir des caractères de jeux de caractères autres que ISO-8859-1 [22] uniquement lorsqu'ils sont codés selon les règles de la RFC 2047 [14].

et RFC 2047 est le codage MIME , donc ce serait:

=?UTF-8?Q?=E2=9C=B0?=

mais je ne pense pas que de nombreux clients (le cas échéant) le soutiennent.

Veuillez d'abord lire les commentaires, cette réponse tire probablement de fausses conclusions des bonnes sources, doit être modifiée.

Vous pouvez utiliser n'importe quel caractère ASCII imprimable, et aucun caractère spécial comme ✰ (qui n'est pas ASCII )

Astuce : vous pouvez tout encoder en JSON.

Edit : peut ne pas être évident au début, le codage de caractères défini dans l'en-tête ne s'applique que pour le corps de la réponse, pas pour l'en-tête lui-même. (Comme cela causerait un problème de poulet et d'oeuf.)

Je voudrais résumer toutes les définitions pertinentes selon les spécifications liées par Penchant.

message-header = field-name ":" [ field-value ]
field-name     = token
field-value    = *( field-content | LWS )

Donc, nous sommes après field-value .

LWS            = [CRLF] 1*( SP | HT )
CRLF           = CR LF
CR             = <US-ASCII CR, carriage return (13)>
LF             = <US-ASCII LF, linefeed (10)>
SP             = <US-ASCII SP, space (32)>
HT             = <US-ASCII HT, horizontal-tab (9)>

LWS signifie Linear White Space. Essentiellement, LWS est un espace ou une tabulation, mais vous pouvez diviser la valeur de votre champ en plusieurs lignes en commençant une nouvelle ligne avant un espace ou une tabulation.

Simplifions-le à ceci:

field-value    = <any field-content or Space or Tab>

Maintenant, nous sommes après le contenu du champ .

field-content  = <the OCTETs making up the field-value
                 and consisting of either *TEXT or combinations
                 of token, separators, and quoted-string>
OCTET          = <any 8-bit sequence of data>
TEXT           = <any OCTET except CTLs,
                 but including LWS>
CTL            = <any US-ASCII control character
                 (octets 0 - 31) and DEL (127)>
token          = 1*<any CHAR except CTLs or separators>
separators     = "(" | ")" | "<" | ">" | "@"
                 | "," | ";" | ":" | "\" | <">
                 | "/" | "[" | "]" | "?" | "="
                 | "{" | "}" | SP | HT

TEXT est le plus général et inclut tout le reste - oubliez donc le reste -. Voici le jeu de caractères US-ASCII (= ASCII)

Comme vous pouvez le voir, tous les caractères ASCII imprimables sont autorisés.