第一部分 HTTP：Web的基础——第2章 URL与资源

本章主要内容：

• URL语法，以及各种URL组件的含义及其所做的工作；
• 很多Web客户端都支持的URL快捷方式，包括相对URL和自动扩展URL；
• URL编码和字符规则；
• 支持各种因特网信息系统的常见URL方案；
• URL的未来，包括URN——这种框架可以在对象从一处搬到另一处时，保持稳定的访问名称。

2.1 浏览因特网资源

URL是浏览器寻找信息时所需的资源位置。
URL是人们对HTTP和其他协议的常用访问点：一个人将浏览器指向一个URL，浏览器就会在幕后发送适当的协议报文来获取人们所期望的资源。

URI是一类更通用的资源标识符，URL实际上是它的一个子集。URI是一个通用的概念，由两个主要的子集URL和URN构成，URL是通过描述资源的位置来标识资源的，而URN则是通过名字来标识符资源的，与它们当前所处位置无关。

HTTP规范将更加通用的概念URI作为其资源标识符，但实际上，HTTP应用程序处理的只是URI的URL子集。

URL的组成部分

示例URL：http://www.joes-hardware.com/seasonal/index-fall.html。

• URL的第一部分（http）是URL方案（scheme）。方案可以告知Web客户端怎样访问资源。
• URL的第二部分（www.joes-hardware.com）指的是服务器的位置。这部分告知Web客户端资源位于何处。
• URL的第三部分（/seasonal/index-fall.html）是资源路径。路径说明了请求的是服务器上哪个特定的本地资源。

示例图：

URL可以通过HTTP之外的其他协议来访问资源。它们可以指向因特网上的任意资源，或者个人的E-mail账户：
mailto:president@whitehouse.gov
或者通过其他协议（比如FTP协议）访问的各种文件：
ftp://ftp.lots-o-books.com/pub/complete-price-list.xls
或者从流视频服务器上下载电影：
rtsp://www.joes-hardware.com:554/interview/cto_video

URL提供了一种统一的资源命名方式。多数URL都有同样的：“方案://服务器位置/路径”结构。

2.2 URL的语法

多数URL方案的URL语法都建立在这由9部分构成的通用格式上：

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

URL最重要的3个部分是方案（scheme）、主机（host）和路径（path）。

通用URL组件

组件	描述	默认值
方案	访问服务器以获取资源时要使用哪种协议	无
用户	某些方案访问资源时需要的用户名	匿名
密码	用户名后面可能要包含的密码，中间由冒号（:）分隔	<E-mail 地址>
主机	资源宿主服务器的主机名或点分IP地址	无
端口	资源宿主服务器正在监听的端口号。很多方案都有默认端口号（http的默认端口号为80）	每个方案特有
路径	服务器上资源的本地名，由一个斜杠（/）将其与前面的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（URL路径可以分为若干个段，每个段都可以有其特有的组件）	无
参数	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，它们之间以及与路径的其余部分之间用分号（;）分隔
查询	某些方案会用这个组件传递参数以激活应用程序（比如数据库、公告板、搜索引擎以及其他因特网网关）。查询组件的内容没有通用格式。用字符“?”将其与URL的其余部分分隔开来	无
片段	一小片或一部分资源的名字。引用对象时，不会将frag字段传给服务器；这个字段是在客户端内部使用的。通过字符“#”将其与URL的其余部分分隔开来	无

2.2.1 方案——使用什么协议

• 方案实际上是规定如何访问指定资源的主要标识符，它会告诉负责解析URL的应用程序应该使用什么协议。
• 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的其余部分分隔开来。方案名是大小写无关的，URL“http://www.sina.com”和"HTTP://www.sina.com"是等价的。

2.2.2 主机与端口

主机组件标识了因特网上能够访问资源的宿主机器。
可以用主机名或者IP地址来表示主机名。
示例

http://www.joes-hardware.com:80/index.html  
http://161.58.228.45:80/index.html

上面的两个URL都是指向同一个资源——第一个URL是通过主机名，第二个是通过IP地址指向服务器的。
HTTP协议的默认端口号为80。

2.2.3 用户名和密码

更有趣的组件是用户和密码组件。很多服务器都要求输入用户名和密码才会允许用户访问数据。FTP服务器就是这样一个常见的实例。如下示例：

ftp://ftp.prep.ai.mit.edu/pub/gnu
ftp://anonymous@ftp.prep.ai.mit.edu/pub/gnu
ftp://anonymous:my_passwd@ftp.prep.ai.mit.edu/pub/gnu
http://joe:joespasswd@www.joes-hardware.com/sales_info.txt

示例一没有用户或密码组件，只有标准的方案、主机和路径。如果某些应用程序使用的URL方案要求输入用户名和密码，比如FTP，但用户没有提供，它通常会插入一个默认的用户名和密码。比如，如果向浏览器提供一个FTP URL，但没有指定用户名和密码，就会插入anonymous（匿名用户）作为你的用户名，并发送一个默认的密码（Internet Explorer会发送IEUser，Netscape Navigator则会发送mozilla）。

示例二显示了一个指定为anonymous的用户名。这个用户名与主机组件组合在一起，看起来就像E-mail地址一样。字符“@”将用户和密码组件与URL的其余部分分隔开来。

示例三，指定了用户名（anonymous）和密码（my_passwd），两者之间由字符“:”分隔。

2.2.4 路径

URL的路径组件说明了资源位于服务器的什么地方。路径通常很像一个分级的文件系统路径。比如：

http://www.joes-hardware.com:80/seasonal/index-fall.html

这个URL中的路径为/seasonal/index-fall.html，很像UNIX文件系统中的文件系统路径。路径是服务器定位资源时所需的信息。

2.2.5 参数

为了向应用程序提供它们所需的输入参数，以便正确地与服务器进行交互，URL中有一个参数组件。这个组件就是URL中的名值对列表，由字符“;”将其与URL的其余部分（以及各名值对）分隔开来。它们为应用程序提供了访问资源所需的所有附加信息。例如：

ftp://prep.ai.mit.edu/pub/gnu:type=d

例子中，有一个参数type=d，参数名为type，值为d。
如前所述，HTTP URL的路径组件可以分成若干路径段。每段都可以有自己的参数。比如：

http://www.joes-hardware.com/hammers;sale=false/index.html;graphics=true

例子中有两个路径段，hammers和index.html。hammers路径段有参数sale，其值为false。index.html段有参数graphics，其值为true。

2.2.6 查询字符串

http://www.joes-hardware.com/inventory-check.cgi?item=12731

这个URL与我们见过的其他URL类似。只有问号（?）右边的内容是新出现的。这部分被称为查询（query）组件。URL的查询组件和标识网关资源的URL路径组件一起被发送给网关资源。基本上可以将网关当作访问其他应用程序的访问点。

2.2.7 片段

有些资源类型，比如HTML，除了资源级之外，还可以做进一步的划分。比如，对一个带有章节的大型文本文档来说，资源的URL会指向整个文本文档，但理想的情况是，能够指定资源中的那些章节。

为了引用部分资源或资源的一个片段，URL支持使用片段（frag）组件来表示一个资源内部的片段。比如，URL可以指向HTML文档中一个特定的图片或小节。片段挂在URL的右手边，最前面有一个字符“#”。如

http://www.joes-hardware.com/tools.html#drills

例子中，片段drills引用了Joe的五金商店Web服务器上页面/tools.html中的一个部分。这部分的名字为drills。

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。浏览器从服务器获得了整个资源之后，会根据片段来显示你感兴趣的那部分资源。

2.3 URL快捷方式

Web客户端可以理解并使用几种URL快捷方式。相对URL是在某资源内部指定一个资源的便捷缩略方式。很多浏览器还支持URL的“自动扩展”，也就是用户输入URL的一个关键部分，然后由浏览器将其余部分填充起来。

2.3.1 相对URL

URL的两种方式：

• 相对URL
• 绝对URL

绝对URL中包含有访问资源所需的全部信息。
相对URL是不完整的。要从相对URL中获取访问资源所需的全部信息，就必须相对于另一个，被称为其基础（base）的URL进行解析。

使用缩略形式的相对URL语法，HTML的编写者就可以省略URL中的方案、主机和其他一些组件了。这些组件可以从它们所属资源的基础URL中推导出来。其他资源URL也可以用这种缩略形式来表示。

2.3.2 自动扩展URL

有些浏览器会在用户提交URL之后，或者在用户输入的时候尝试着自动扩展URL。这就为用户提供了一条捷径：用户不需要输入完整的URL，因为浏览器会自动扩展。
这些“自动扩展”特性有以下两种方式。

• 主机名扩展
• 历史扩展

与代理共同使用时，URL自动扩展的行为可能会有所不同。

2.4 各种令人头疼的字符

2.4.1 URL字符集

2.4.2 编码机制

编码机制就是通过一种“转义”表示法来表示不安全字符的，这种转义表示法包含一个百分号（%），后面跟着两个表示字符ASCII码的十六进制数。

2.4.3 字符限制

保留及受限的字符

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定界符
.	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/端口组件的定界符使用
$,+	保留
@&=	在某些方案的上下文中有特殊的含义，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（比如“http://www.joes-hardware.com”），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