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 |