url 编码 保留冒号_URI、URL与URN

关系

URI = Universal Resourcce Identifier

URL = Uniform Resource Locators

URN = Uniform Resource Name

URI、URL与URN都是用来标识某个资源的，其中URI是一个大的概念，URL与URN是它的两个不同的实现，它们三者之间的关系如下图:

URL使用'位置'来标识一个资源，类似于现实中的家庭住址。举个例子，比如一个URL为:

http://www.baidu.com/a/b/c.html

就标识出在百度服务器上的路径a下有路径b，路径b下面有c.html文件。

URN通过'名字'来表示一个资源，类似于现实中的身份证号，只要取到身份证号，就能定位到这个号码后面对应的人。

URI的组成

一个URI的标准组成为：scheme authority path query fragment

scheme

组成scheme的字符包括:字母、数字、加号(+)、点(.)、连字符(-)，其中scheme的首字符必须是字母，对于scheme的定义，RFC1738与RFC3986是一致的。

scheme的字符必须都是小写，但是在具体实现中，大写的scheme与小写的scheme是等价的，也就是说，HTTP = http。

authority

authority由三部分组成，authority = [userinfo@] host [:port]，中括号表示是可选的。

userinfo提供获取这个资源的认证信息，比如用户名、密码，不同部分使用冒号(:)分割。举个例子:

https://username:passport@www.baidu.com:80

https://username@www.baidu.com:80

https://www.baidu.com

都是合法的，也就是说username:passport、:passport、:port这三者是可以任意省略的。

userinfo可以使用的字符集定义如下:

RFC1738

userinfo        =       *[  uchar | ";" | "?" | "&" | "=" | "@" | ":"  ] 

RFC3986

userinfo        =       *[ unreserved | pct-encoded | sub-delims | ":"  ]

* 表示0个或者多个

[ ] 表示可选的，不是必须的

| 表示可以选择其中之一

uchar、unreserved、pct-encoded、sub-delims以及下文出现的字符集范围都定义在文末。

比较RFC1738与RFC3986的定义，两者字符集一致。

host

标识主机名，可以使用的字符集定义如下：

RFC1738

host           = hostname | hostnumber
hostname       = *[ domainlabel "." ] toplabel
domainlabel    = alphadigit | alphadigit *[ alphadigit | "-" ] alphadigit
toplabel       = alpha | alpha *[ alphadigit | "-" ] alphadigit
alphadigit     = alpha | digit
hostnumber     = digits "." digits "." digits "." digits

RFC3986

host        = IP-literal | IPv4address | reg-name

IP-literal  = "["  IPv6address | IPvFuture   "]"

reg-name    = *[ unreserved | pct-encoded | sub-delims ]

IPvFuture是一种还在开发中的IP地址表示法，详情可以参考RFC3986文档。比较RFC1738与RFC3986的定义，RFC3986定义的host字符集要多于RFC1738

port

是端口号，字符集只能是数字

path

除去其他部分，剩下的就是path部分，path以"/"划分。path可以使用的字符集如下:

RFC1738

urlpath        = *xchar

xchar          = unreserved | reserved | escape

RFC3986

urlpath          =  *pchar

pchar     = unreserved | pct-encoded | sub-delims | ":" | "@"

两者定义的path字符集几乎一样，只是RFC1738比RFC3986多了一个?。但是问号被用来作为query起始的标志，所以?是不会被算进path里面的，从这个意义上说，这两者定义的path字符集一样。

query

表示查询字符串，从第一个问号(?)开始，到第一个井号(#)之间就是query。query可以使用的字符集定义如下:

query         = *[ uchar | ";" | ":" | "@" | "&" | "=" ]

uchar         = unreserved | escape

query       = *[ pchar | "/" | "?" ]

RFC1738定义的字符集比RFC3986定义的字符集少了一个"/"，但是iOS中NSURL虽然遵循RFC1738，也把"/"当成是正常的字符。

fragment

通常用来定位到一个文档中的某个部分，从第一个井号(#)后面开始都是fragment。fragment定义的字符集与query一样。

URL字符编码

URL有时需要对字符进行编码，编码格式为:百分号 + HEX  + HEX，比如逗号(,)被编码成%2C。编码的时，对于十六进制中的字母，大写和小写是等价的。也就是说，两个URL，不会因为编码使用的大小写不一样就是两个不一样的URL。

在URL里面，字符需要编码的情形有3种。

1 不可打印的字符

组成URL的字符都是可打印的ASCII字符，对于无法进行打印的字符(ASCII区间为:0x00-0x1F、0x7F)需要进行编码。

2 不安全的字符需要编码

有些字符使用起来并不安全，比如空格，在URL里面就需要进行编码。RCF1738里面规定的不安全字符有:

空格   |    ">"   |   "

需要注意的是，像%、#并不是在URL的任何地方都需要编码，比如作为fragment标识的时候，#就无需编码，但是如果#出现在其他地方，就需要编码了。

在上面的字符集需要注意的是"[" "]"两个字符，iOS中NSURL遵循RFC1738，但是这两个字符集即使不编码，也可以出现在除了scheme的任何地方，NSURL正常返回；但是对于遵循RFC3986的NSURLComponents来说，除了以IPV6的形式表示host之外，"[" "]"不能出现在任何其他地方。

3 保留字符集

RFC1738和RFC3986规定的reserve保留字符集，如果你确实是想使用这些保留字符集本身，而不是它们在URL里面的特殊意义，那么最好是将它们编码。

字符集定义

RFC1738

lowalpha       = "a" | "b" | "c" | "d" | "e" | "f" | "g" | "h" |
                 "i" | "j" | "k" | "l" | "m" | "n" | "o" | "p" |
                 "q" | "r" | "s" | "t" | "u" | "v" | "w" | "x" |
                 "y" | "z"
hialpha        = "A" | "B" | "C" | "D" | "E" | "F" | "G" | "H" | "I" |
                 "J" | "K" | "L" | "M" | "N" | "O" | "P" | "Q" | "R" |
                 "S" | "T" | "U" | "V" | "W" | "X" | "Y" | "Z"

alpha          = lowalpha | hialpha
digit          = "0" | "1" | "2" | "3" | "4" | "5" | "6" | "7" |
                 "8" | "9"
safe           = "$" | "-" | "_" | "." | "+"
extra          = "!" | "*" | "'" | "(" | ")" | ","

hex            = digit | "A" | "B" | "C" | "D" | "E" | "F" |
                 "a" | "b" | "c" | "d" | "e" | "f"
escape         = "%" hex hex
unreserved     = alpha | digit | safe | extra
uchar          = unreserved | escape
xchar          = unreserved | reserved | escape

reserved       = ";" | "/" | "?" | ":" | "@" | "&" | "="

RFC3986

reserved    = gen-delims | sub-delims
gen-delims  = ":" | "/" | "?" | "#" | "[" | "]" | "@"
sub-delims  = "!" | "$" | "&"| "'"| "(" / ")"
                  | "*" | "+" | "," | ";"| "="

unreserved  = ALPHA / DIGIT / "-" / "." / "_" / "~"

pct-encoded = "%" HEXDIG HEXDIG ;即百分号编码格式

参考资料

https://tools.ietf.org/html/rfc1738#section-3.3

https://www.ietf.org/rfc/rfc3986.txt