02-URL与资源

浏览​因特网资源

• URI是一类更通用的资源标识符，URL与URN是它的子集
• URL通过描述资源的位置来标识资源
• HTTP规范将更通用的概念URI作为资源标识符，实际上，HTTP应用程序处理的知识URI的URL子集
• URL可以通过HTTP之外的其他协议来访问资源。
  http链接一般由协议，服务器的位置（域名），资源路径组成，如下图
  

URL语法

URL通过不同方案进行不同资源的访问，不同方案URL语法会有些差异；但大多数URL方案的URL语法如下:

/**
＜scheme＞：//＜user＞：＜password＞@＜host＞：＜port＞/＜path＞;＜params＞?＜query＞#＜frag＞
*/

URL最重要的三个部分是方案（scheme），主机（host）和路径（path），具体说明如下表：

组件	描述	默认值
方案（scheme）	访问服务器获取资源时要使用哪种协议	无
用户（user）	某些方案访问资源时需要的用户名	匿名
密码（password）	用户名后买你可能要包含的密码，中间由冒号(:)分隔
主机或域名（host）	资源宿主服务器的主机名或点分IP地址	无
端口(port)	资源宿主服务器正在监听的端口号。很多方案都有默认的端口号（HTTP的默认端口号为80）	每个方案特有
路径（path）	服务器上资源的本地名，由一个斜杠（/）将其与前面URL组件分隔开来。路径组件的语法是与服务器和方案有关的	无
参数（params）	某些方案会用这个组件来指定输入参数。参数为名/值对。URL中可以包含多个参数字段，它们相互之间以及与路径的其余部分用（;）分隔	无
查询（query)	某些方案会用这个组件传递参数以激活应用程序。查询组件的内容没有通用格式。用字符”?"将其与其余部分分隔开来	无
片段（frag）	一片或一部分资源的名字。引用对象时，不会将frag字段传送给服务器；这个字段是在客户端内部使用的。通过字符“#”将其与其余部分分隔开来	无

方案

• 规定如何访问指定资源的主要标识符，URL的应用程序会根据此进行解析
• 方案组件必须以一个字母符号开始，由第一个":"符号将其与URL其他部分分隔开来
• 方案名与大小写无关http:与HTTP:是等价的

主机与端口

​* 主机组件标识了能够访问资源的宿主机器（域名或IP地址）
*端口组件标识了服务器正在监听的网络端口

用户名和密码

• 很多服务器都要求输入用户名和密码才允许用户访问数据
• 如果应用程序是用的URL方案要求输入用户名和密码，但用户没有提供，通常会插入一个默认的用户名和密码

路径

• 说明资源位于服务器的什么地方
• 路径通常像一个分级的文件系统路径
• 每段路径都有自己的参数（params）组件

参数

• 在URL中以字符；分隔URL其他部分
• 以名值对的形式存在

查询字符串

• 以？分隔URL其他部分
• 以名值对的形式存在，多个名值对用&分隔

片段

• 以#号分隔URL其他部分
• HTTP服务器通常只处理整个对象，而不是对象的片段，客户端不能将片段传送给服务器
• 浏览器会根据片段来显示对应的部分资源

URL快捷方式

指Web客户端可以理解并使用的几种快捷方式

相对URL

• 相对URL是不完整的URL，需要依靠另一个被称为基础（base）的URL进行解析
• 相对URL是URI的一种便捷缩略记法
• 为一组资源的可移植性提供了一种便捷方式（如HTML与其相应的资源）

基础URL

基础URL是作为相对URL参考点是用，可以来自以下几个不同的地方

• 在资源中显示提供
  有些资源会显式地指定URL。如，HTML文档中可能会包含一个定义了基础URL的HTML标记，通过它来转换那个HTML文档中的所有相对URL
• 封装资源的基础URL
  没有显示指定的基础URL的资源中时，使用所属资源的URL作为基础
• 没有基础URL
  某些情况下，没有基础URL，可能得到的是一个不完整或损坏的URL

解析相对引用

自动扩展URL

用户不需要输入完整的URL，浏览器会自动扩展。有以下两种方式

1. 主机名扩展：只要有些小提示，浏览器通常就可以在没有帮助的情况下，将输入的主机名扩展为完整的主机名
2. 历史扩展：将以前访问过的URL历史存储起来。当输入URL时，将输入URL与历史记录中的URL的前缀进行匹配，并提供一些完整的选项可以选择；

字符

URL是可移植的。它要统一第命名因特网上的所有资源，并且需要符合不同协议的传输规范，所以只能使用较小的，通用的安全字母表中的字符。但使用过程中，会遇到传递除安全字符外的其他字符，此时，就需要进行转义，再进行传输；

URL字符集

URL使用的字符集为US-ASCII字符集，有如下原因：

1. 计算机系统字符集通常倾向于以英语为中心，很多计算机应用程序使用的都是US-ASCII字符集
2. 历史悠久，可移植性好。通过转义序列，可以使用US-ASCII字符集的有限子集对任意字符值或数据进行编码，实现了可移植性与完整性

编码机制

使用转义来表示不安全字符，此转义表示法包含一个百分号(%)，后面跟着两个字符ASCII码的十六进制数，常用的转义字符如：

字符	ASCII码	示例
~	126(0x7E)	https://xxx/%07E
空格	32(0x20)	https://xxx/%20xxx
%	37(0x25)	https://xxx/100%25

字符限制

URL中，有几个字符被保留起来，有特殊含义，有些字符不在定义的US-ASCII可打印字符集中，有些则会与某些因特网网关和协议产生混淆。以下字符，除了用于保留用途之外的场合时，要在URL中进行编码

字符	保留/受限
%	保留作为编码字符的转义标志
/	保留作为路径组件中分隔路径段的界定符
.	保留在路径组件中使用
…	保留在路径组件中使用
#	保留作为分段定界符使用
?	保留作为查询字符串定界符使用
;	保留作为参数定界符使用
:	保留作为方案、用户/口令，以及主机/端口组件的定界符自用
$ , +	保留
@ & =	在某些方案的上下文中有特殊含义，保留
{ } | \ ^ ~ [ ] ‘	由于各种Agent代理，比如各种网关的不安全处理，使用受限
< > "	不安全；这些字符在URL范围之外通常是有意义的，比如在文档中对URL自身进行定界，所以应该对其进行编码
0x00-0x1F，0x7F	受限，这些十六进制范围内的字符都在US-ASCII字符集的不可打印区间内
>0x7F	受限，十六进制值在此范围内的字符都不在US-ASCII字符集的7比特范围内