仕様と根拠

正規化のしかた

RFC 3986 の 6.2 に沿って、スキームとホストを小文字にし、http の 80・https の 443 などの既定ポートと空のポートを取り除き、%の後ろの 16 進を大文字にし、英数字と - . _ ~ を表す %エンコードを元の文字に戻し、./ と ../ を整理し、パスが空なら / にします。パスの大文字小文字は区別したままです。

クエリの読み方と並べ替え

クエリは WHATWG URL Standard の 5.1 のとおり、& で区切り、最初の = で名前と値に分け、+ を空白に、%エンコードを UTF-8 として戻して読みます。並べ替えは 6.2 の sort のとおり名前の文字コード順で、同じ名前の値は元の順序を保ちます。書き出しは 5.2 のとおり、空白を + に、英数字と * - . _ 以外を %エンコードにします。

指摘にする条件

正規化すると同じになるアドレスは警告、大文字小文字だけが違うパスと、末尾のスラッシュの有無だけが違うパスも警告にします。同じパスでクエリだけが違うアドレスは、内容が同じとは限らないため情報として示します。Google は URL の大文字小文字を区別し、パラメータで重複アドレスが増えると説明しています。

根拠にした仕様・資料

指摘の段階

• エラー: 仕様に反していて、正しく読めない・処理できない入力です。
• 警告: 読めるものの、仕様の推奨に反する・矛盾する・意図と違う結果になりやすい入力です。
• 情報: 誤りではありませんが、知っておくとよい扱い(読み飛ばした部分や解釈)です。

入力の扱い(送信しない仕組み)

処理はすべてお使いのブラウザの中で行います。処理の本体はこのサイトから配信する小さなスクリプト(/app.js)で、外部のサービスやライブラリを読み込みません。ページはブラウザに通信を禁止させる設定(Content-Security-Policy の connect-src)つきで配信しており、入力した内容がサーバーや第三者へ送られることはありません。ファイルを選んだ場合も、端末の中で読み込むだけです。

このツールでできないこと(制約)

• アドレスへアクセスして内容を確かめることはしません。表記が違うアドレスが実際に同じページかどうかは、サイト側の設定を確認してください。
• RFC 3986 の正規化にもとづくもので、ブラウザの URL の解析(WHATWG URL の全規則)とは細部が異なります。国際化ドメイン名の変換や IPv6 の表記ゆれの統一は行いません。
• 同じ名前のパラメータの順序は保ちますが、同じ名前を 1 つにまとめることや、特定のパラメータ(utm_ など)を取り除くことはしません。
• 絶対のアドレス(スキームとホストがあるもの)だけを扱います。相対のアドレスは、別の「相対アドレスを絶対に変換する」ツールで解決してください。