【python爬虫自学笔记】------理解URI和URL

URI

Web上每种可用的资源，如HTML文档、图像、视频片段、程序都由一个通用资源标识符（Universal Resource Identifier,URI）进行定位。

URI通常由三部分组成：

1. 访问资源的命名机制；
2. 存放资源的主机名；
3. 资源自身的名称，由路径表示；

如下面的URI：
http://www.why.com.cn/myhtml/html1223/

我们可以这样解释它：

①这是一个可以通过HTTP协议访问的资源，

②位于主机 www.webmonkey.com.cn上，

③通过路径“/html/html40”访问。 

URL

URL是URI的一个子集，（Uniform Resource Locator），URL是Internet上描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上，采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。

URL的一般格式为(带方括号[]的为可选项)：

protocol :// hostname[:port] / path / [;parameters][?query]#fragment

URL的格式由三部分组成：

1. 协议（服务方式）；
2. 存放该资源的主机IP地址（有时包括端口号）；
3. 主机资源的具体地址，如目录和文件名等；（可省略）

比较

• URI属于URL更低层次的抽象，一种字符串文本标准。URI属于父类，而URL属于子类，URL是URI的子集。
• URI定义是：统一资源标识符；URL定义是：统一资源定位符。
• URI表示请求服务器的路径，定义一个资源，而URL需要同时说明如何访问这个资源。

URL举例

1、HTTP协议的URL
使用超级文本传输协议HTTP，提供超级文本信息服务的资源。 

例：http://www.peopledaily.com.cn/channel/welcome.htm 

其计算机域名为www.peopledaily.com.cn。

超级文本文件(文件类型为.html)是在目录 /channel下的welcome.htm。

这是中国人民日报的一台计算机。 

例：http://www.rol.cn.net/talk/talk1.htm 

其计算机域名为www.rol.cn.net。

超级文本文件(文件类型为.html)是在目录/talk下的talk1.htm。

这是瑞得聊天室的地址，可由此进入瑞得聊天室的第1室。

2．文件的URL
用URL表示文件时，服务器方式用file表示，后面要有主机IP地址、文件的存取路 径(即目录)和文件名等信息。

有时可以省略目录和文件名，但“/”符号不能省略。 

例：file://ftp.yoyodyne.com/pub/files/foobar.txt 

上面这个URL代表存放在主机ftp.yoyodyne.com上的pub/files/目录下的一个文件，文件名是foobar.txt。

例：file://ftp.yoyodyne.com/pub 

代表主机ftp.yoyodyne.com上的目录/pub。 

例：file://ftp.yoyodyne.com/ 

代表主机ftp.yoyodyne.com的根目录。 

爬虫最主要的处理对象是URL，根据URL地址取得所需要的文件内容，再进行进一步处理。

参考：https://blog.csdn.net/pleasecallmewhy/article/details/8922826