404 pro soubory s diakritikou (linux)

JPW - Jména souborů
• Nepoužívejte češtinu ve jménech souborů a adresářů. Jestli to někde funguje, neznamená to, že to bude fungovat všude. Název stránky kočička.html je nešťastný. Lepší je kocicka.html
• Nepoužívejte mezery. Musíte-li odkázat na soubor s mezerou, musíte v adrese mezeru nahradit řetězcem "%20". Například soubor hezke odkazy.html se odkazují jako
hezke%20odkazy.html.

HonzaPl:
„Existuje nějaké nouzové řešení, jak tento problém vyřešit?“

Odkaz na obrázek správně escapovat. Např. v php existuje funkce

HonzaPl:
„A na straně serveru (Linux, Apache) není žádná možnost, jak nastavit, aby server interpretoval diakritiku správně?“
Server interpretuje diakritiku správně, jenom se s názvy souborů musí pracovat ve stejném kódování jako je nastaveno na serveru a běžně se používá kódování UTF-8. Pokud budou stránky s odkazy na soubory ve stejném kódování, tak by to mělo fungovat bez problémů. V jiném kódování to fungovat nebude.

Možná tam jsou soubory nahrané se špatnými názvy nebo server používá nějaké zastaralé kódování.

HonzaPl:
Když vypíšeš obsah adresáře přímo na serveru příkazem ls, tak je diakritika správně?

„Zkoušel jsem přijít na kódování souborů na linuxu pomocí enca, ale výsledkem bylo Unrecognized encoding.“
Enca se snaží odhadnout kódování textu v souborech a pokud žádné nerozezná, tak by to mohlo naznačovat, že to nejsou textové soubory. Máš-li tam nějaké webové stránky, tak v nich by se kódování rozeznat mělo.

HonzaPl:
„Nahrál jsem na linuxový server soubory“
Ten server je přes Apache?

zkus třeba něco jako:
- vytvořit si soubor test_diakritiky.php
- a soubor .htaccess
Ale to ti vyřadí ostatní stránky, tak to zkus radši dát třeba do nějaký složky

A koukni se co ti to vypíše když zadáš: http://adresa.cz/slozka/Něco s diakritikou

Jestli to bude dobrý, tak pak máš na serveru nastavený kódování na utf-8, a když ne, tak pak tam máš jiný kódování
A podle toho můžeš buď přispůsobit kódování serveru nebo kódování stránek (to zkomolení se stane i když tu adresu zadáš do prohlížeče ručně - jakože bez kliknutí na odkaz?)

Ale vypadá to že na serveru máš nastavený kódování Windows-1252 (Západní jazyky) a prohlížeč předá serveru adresu v UTF-8 (ale na to se asi nedá spolehnout, třeba nějakej jinej to předá v jiným kódování a pak to bude zase zkomolený)
Takže nejspolehlivější by bylo asi přejmenovat ty soubory, a nebo když se ti do toho nechce tak doufat že všechny prohlížeče předávaj adresu v UTF-8 a v httpd.conf si upravit (nebo dopsat, jestli to tam není):

AddDefaultCharset utf-8

A nebo když na to nemáš oprávnění, tak do .htaccess dát:

IndexOptions +Charset=UTF-8

(kdyžtak tu změnu kódování pro server řešil někdo tady)

HonzaPl:
„protože stránky jsou částečně statické“

Escapujte tedy odkazy i ve statických částech.

HonzaPl:
Hádám, že jsou prostě špatně escapované ty adresy na statických stránkách. Pokud je moc velký problém to předělat na dynamické, vždycky můžete přejmenovat soubory třeba tak, že jejich názvy projedete přes nějaké md5, a stejně tak všude v kódu nahradit ta jména těmi checksumy (pokud nejsou escapovaná, resp. jsou shodná s tím, jak to vypadá ve výpisu ve filesystému, tak to půjde i automatizovaně třeba přes sed).

HonzaPl:
Pokud ti to funguje s urlencode, ale ne na statických stránkách, tak je chyba v těch statických stránkách - adresa je tam prostě zapsaná špatně. Na straně serveru to nezmění žádné nastavení. Linuxová locale ovlivňuje jen jazyk systému, formát měny a podobně.

HonzaPl:
„Ok, když to nebude v locale, je nějaké nastavení na serveru, které by to mohlo řešit?“
Těžko.

„A stejně se to projevuje i ve statických stránkách, ale to spolu souvisí a přidáním urlencode() do statických stránek problém nevyřeším - to je jen nouzové řešení pro stránky, ne pro samotné zobrazování souborů s diakritikou :(“
To není nouzové řešení, to je jediné správné řešení. URL mají prostě určitý systém enkódování speciálních znaků, který je nutné dodržovat, pokud chceš, aby ti to fungovalo. Když zadáš přímo do prohlížeče http://example.com/test.php?a=ěščřžý, tak to funguje proto,že za tebe prohlížeč ty znaky enkóduje. V HTML to za tebe ale nikdo neudělá, musíš to mít rouvnou správně zapsané.

Proto se taky doporučuje nepoužívat diakritiku - nemuíš pak (skoro) nic enkódovat (escapovat). Prostě budeš muset mít odkazy ve stylu <a href="%C5%A1%C4%8D%C5%99.png">...</a>, nebo můžeš nepoužívat diakritiku. Jiné správné řešení snad ani neexistuje.

Pokud url neescapujete a zadáte do prohlížeče či html stránky přímo š.php, tak nemáte kontrolu na tím, v jakém kódování ji prohlížeč escapuje sám při odesílání na server.

„Ok, takže to nemůžu ovlivnit?“
Můžeš - vyescapuješ to správně ve stránce.

HonzaPl:
Na té statické stránce. Pořád se bavíme o tom samém. Já se ti snažím vysvětlit, že když chceš, aby to spolehlivě fungovalo, musíš to mít zapsané podle nějaké konvence - tedy musíš to mít správně escapované. A ty se tady pokoušíš to pořád nějak obcházet.

„Příkladem může být logo seznamu“
Nemůže, logo seznamu nemá v názvu ani cestě diakritiku. Pokud chceš otevřít obrázek v prohlížeči, a napíšeš jeho URL do adresního řádku, prohlížeč to za tebe vyescapuje "na pozadí", a ty si ničeho nevšimneš, obrázek se normálne zobrazí, v adresním řádku bude http://example.com/ěščřžů.jpg, ale ve skutečnosti prohlížeč pošle požadavek ve stylu http://example.com/%C4%9B%C5%A1%C4%8D%C5%99%C5%BE%C5%AF.jpg. Když máš v HTML kódu odkaz, tak se o správné escapování staráš ty, ne prohlížeč. Musíš si tu konverzi pohlídat sám.

Výhodnou alternativou je nepoužívat v názvech souborů diakritiku...

Zkoušel si do httpd.conf přidat řádek AddDefaultCharset UTF-8?
Nebo možná taky záleží na tom, jestli je ten jazyk na serveru nainstalovanej, nevim kde se to má hledat, ale možná je někde složka jako třeba LANG/LC_ALL/en_EN nebo tak nějak

HonzaPl:
„Ano, diakritika je správně, když si vypíšu soubory pomocí ls.“

> $ locale
> LANG=
> LC_CTYPE="POSIX"
> LC_NUMERIC="POSIX"
> LC_TIME="POSIX"
> LC_COLLATE="POSIX"
> LC_MONETARY="POSIX"
> LC_MESSAGES="POSIX"
> LC_PAPER="POSIX"
> LC_NAME="POSIX"
> LC_ADDRESS="POSIX"
> LC_TELEPHONE="POSIX"
> LC_MEASUREMENT="POSIX"
> LC_IDENTIFICATION="POSIX"
> LC_ALL=

Domnívám se, že s tímhle nastavením se jména souborů nemůžou příkazem ls vypsat správně. Není ani obvyklé instalovat server s tímto nastavením. Podle toho odhaduji, že to nebude server, ale virtuální server instalovaný z nějaké šablony. Doporučuji změnit POSIX na en_US.UTF-8 nebo cs_CZ.UTF-8.

„Když je otevřu např. pomoci WinSCP nebo přes prohlížeč přes upravenou adresu pomocí urlencode(), tak se zobrazí správně.“
Ty soubory na server nahráváš také přes WinSCP? Je v něm zapnuté používání UTF-8 ve jménech souborů. Ta zakódovaná adresa, která funguje opravdu vypadá takhle? %C5%A1%C4%8D%C5%99.png To by mělo být úplně stejně, jak zakóduje diakritiku prohlížeč.

HonzaPl:
„A ano, soubory nahrávám přes WinSCP. Ta zakódovaná adresa tak fungovala včera, dnes už ne (nejspíš jsem tam ještě něco dalšího rozhodil:/).“
Tak to by potom bylo jasné. Přes WinSCP se vytvářejí názvy souborů v jiném kódování než UTF-8.

V nastavení programu WinSCP by mělo pomoci zapnout v profilu ve volbě Environment / UTF-8 encoding for filenames On.