HTTP权威指南：第二章

URL概览

前面提到，URL资源是HTTP协议所使用的寻找资源位置的定位符。分为三个部分，主要的结构是：

方案://服务器/路径

这种结构使得网络上的每一个资源都只有唯一的命名方法，从而使得浏览器可以统一对不同的资源进行处理，而不是依赖不同的软件。
URL可以从以下几个部分去了解：

• 语法

• 快捷方式

• 特殊字符

• 方案

最后，我们还会展望未来，看看URN——URL的下一代。

---

一、语法

URL语法是跟对方案而变化的，但是这些变化总是建立在URL语法的9个组件组成的通用格式之上的。这个通用格式是：

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

这9个组件不需要全部包含，其中重要的三个部分是之间提到的：方案、主机 和 路径。其可总结如下：

方案	描述	默认值
方案	使用的协议	无
用户	某些方案访问资源时要求的用户名	匿名
密码	在用户名之后，中间以冒号:隔开	<E-mail地址>
主机	服务器的主机名或者点分IP地址（如192.168.1.1）	无
端口	服务器监听的端口，HTTP默认端口为80	方案特有
路径	服务器的资源本地名，路径组件语法和服务器、方案相关	无
参数	使用该组件指定输入参数。参数为名/值对，用分号隔开	无
查询	用于激活应用程序，没有通用格式	无
片段	部分资源名称，引用时不会传递给服务器，只使用于客户端内部。	无

1. 方案
   方案是规定如何访问指定资源的主要标识符。要求以字母开始，用:隔开URL其余部分，且大小写无关。

2. 主机和端口
   主机标志能访问资源的服务器。主机可以使用主机名或者IP地址来访问;端口则标识服务器监听的网络端口，默认为80。

3. 用户名和密码
   多用在FTP服务器上。如果URL方案要求提供用户名和密码，而用户没有输入，则应用程序会插入一个默认的用户名和密码，随浏览器而定

4. 路径
   其说明资源在服务器中的位置，是服务器定位资源时需要的信息，用/将路径划分为路径段（path segment），路径段还有各自的参数组件。

5. 参数
   服务器需要更多的信息，而不是简单的主机名和路径，而URL中的参数组件可以提供更多的协议参数。该组件是名值对列表，每个路径段可以有多个参数，形式类似：

   http://www.baidu.com/pub/gnu;type=sb【并不存在，请勿当真】

   这里的路径段gnu参数为type，值为sb。

6. 查询字符串
   用于缩小请求资源类型范围。如本专栏撰写时，网址为：

   http://segmentfault.com/write?freshman=1

   其中的freshman=1就是查询组件。我猜测，这个查询组件的意思是：在服务器的write路径中，是否一直保存着我的文章的草稿。查询组件会发送给网关，由网关做进一步处理。如果需要多个名值对，则使用&字符进行分割。

7. 片段
   HTML资源除了资源级，还可以进一步划分。比如指定文档中的某个章节。而这个就可以使用#<frag>实现了。以本专栏的第一篇文章为例，旁边的文章目录实际上是在点击以后，为网址加上一个片段，如#articleHeader6实现的跳转。这样，浏览器可以在获得整个资源以后，显示你感兴趣的部分。

---

二、快捷方式

这个快捷方式是针对客户端的，可以分为相对URL和URL自动拓展。

相对URL

前面提到的都是绝对URL，包含访问资源所需要的全部信息。而相对URL则是不完整的，必须相对另一个作为基础（base）的URL进行解析。这种便捷的缩略法为写网页的人省了不少心。如下面的HTML代码片段：

    <ul class="menu list-inline pull-left hidden-xs">
                    <li class="menu__item"><a href="/questions">问答</a></li>
                    <li class="menu__item"><a href="/blogs">文章</a></li>
                    <li class="menu__item"><a href="/user/note">笔记</a></li>
                    <li class="menu__item"><a href="/jobs">职位</a></li>
                    <li class="menu__item"><a href="/events">活动</a></li>
                </ul>

其中的问答、文章等超链接都是http://segmentfault.com/a/1190000004341687#articleHeader6为基础URL，从而推导出方案和主机名。
所以，相对URL优势有二：

• 可以保持HTML文档的可读性和书写便捷。

• 可以保持网页上一组资源的便携性。、
  比如，可以在搬移一组文档时，保持链接的有效性。这样，就可以方便的搭载镜像服务器了。

使用相对URL的步骤有二：一是找出基础URL；二是解析相对引用。

1. 找出基础URL
   基础URL来源有二：一是网页显式指定，如在HTML网页中，使用<BASE>标记指定基础URL；二是隐式指定，封装所属资源的URL，我们举的例子即为如此。

2. 解析相对引用
   对URL进行转换，需要将相对URL和基础URL划分成组件段，或者说“分解（decomposing）”。解析完URL后，可以获得一个个组件，根据相对URL的完整程度，逐步对其进行填充，直到组合成新的绝对URL。这个填充是使用的是一个在RFC2396中定义的算法。

URL自动拓展

浏览器会为用户提供一条捷径，使得用户不需要输入完整的URL,而交给浏览器填充。其方式有二：主机名拓展和历史拓展。

• 主机名拓展
  根据主机名进行拓展，找到匹配站点则构建成功；失败则再次尝试其他可能。但是这种拓展可能会为一些其他HTTP应用程序（如代理）带来问题。

• 历史拓展
  根据用户访问过的历史URL进行拓展，该拓展通过选择来完成。

---

三、特殊字符

为了保障URL的可移植性（即使用任何因特网协议都可以安全传输）和完整性，URL需要：

• 使用通用的安全字母表

• 对不可见字符进行编码以传送

• 包含不安全的字符

为了实现这点，URL使用了通用字母表，并增加了一些编码规则。

URL字符集

URL中继承了ASCII字符集和转义序列，使得其可以使用优先子集对任意字符值进行编码。

编码机制

通过“转义”表示法，表示不安全字符。其包含一个百分号（%）和两个表示字符ASCII码的十六进制数。示例如下：

字符	ASCII码	示例URL
~	0x7E	http://www.joes-hardware.com/%7Ejoe
（空格）	0x20	http://www.joes-hardware.com/more%20tools.html
%	0x25	http://www.joes-hardware.com/100%25satisfaction.html

字符限制

在URL中，字符会因为有特殊含义、非ASCII可打印字符或者混淆协议和网关而被限制。下面是一些被限制的字符：

字符	保留/受限
%	保留为转义标志
/?#:;	保留为定界符
.	保留在路径组件中使用
..	同上
$+	保留（不需要理由）
@&=	在不同的方案的上下文中有特殊含义，保留
{}[]~\^'|	用于各种传输Agent代理，使用受限
<>"	不安全，在URL范围之外是有意义的，需要进行编码
0x00-0x1F,0x7F	受限，因为是不可打印字符
0x7F	受限，因为不在US-ASCII字符集的7二进制位范围之内

额外说明

对于不安全字符，最好进行编码。而判断是否进行编码则由从用户处获取URL的源端应用来做。URL中，可能有人故意对额外的字符进行编码，从而绕过对URL进行模式匹配的应用。所以，解释URL的应用必须在处理URL之间进行编码。

---

四、方案

下面是Web常用方案的一些格式：

方案	描述
http	超文本传输协议。没有用户名和密码，除此之外符合通用URL，端口默认为80.
https	与http相对使用了网景的SSL，为HTTP提供端到端的加密机制，端口默认为443
mailto	指向E-mail地址。标准格式与URL格式不同，其语法记录在RFC822中。
ftp	文件传输协议、要求用户名和密码，可以上传、下载文件，并获取其目录结构内容
rtsp,rtspu	通过实时流传输协议解析的多媒体资源标识符。除了方案部分，其余同上。
file	表示一台指定主机上可以直接访问的文件，省略主机名则默认为本机
news	由RFC036定义，访问特定的文章或者新闻组。其自身包含的信息不足以对资源进行定位，其实际上与位置无关，只保留字符@来区分指向新闻组和指向新闻文章的URL
telnet	访问交互式业务，表示可以通过telnet访问的交互式应用程序

---

五、未来的方向

实际上，由于URL表示的实际的地址，所以在资源被移动以后，无法定位对象。所以，下一代标准URN（统一资源名）开始研究，通过一个永久统一资源定位符PURL，使用URL实现URN的功能。可以在PURL中获取更多信息。

---

最后的彩蛋，猜猜这个是哪个网页的源代码？

    <!--[if lt IE 9]>
    <div class="alert alert-danger topframe" role="alert">你的浏览器实在<strong>太太太太太太旧了</strong>，放学别走，升级完浏览器再说 <a target="_blank" class="alert-link" href="http://browsehappy.com">立即升级</a>
    </div>
    <![endif]-->
    

本文转载于:HTTP权威指南：第二章