首页 > 代码库 > http协议进阶（二）URL与资源
http协议进阶（二）URL与资源
像今天这种天气，其实最适合放一些抒情缓慢的民谣，一杯浓咖啡，一本书，度过一天。。。。。。
上海今天大雨。。。
一、URL的语法
URL是互联网资源的标准化名称
URL提供了一种定位互联网上任意资源的手段，但这些资源要通过不同方案（协议：比如http、ftp、smtp）来访问，因此URL语法会略有差异
大部分URL都遵循通用的语法，而且不同URL方案风格和语法都有重叠
大多数URL协的语法都建立在下面9个部分构成的通用格式上：
<scheme>://<user>:<password>@<host>:<port>/<path>;<params>?<query>#<frag>
其中最重要的3个部分是：方案（scheme）、主机（host）和路径（path）
通用URL组件：
1、方案-使用什么协议
方案：实际上规定了如何访问指定资源的主要标识符，它告诉负责解析URL的应用程序应该是用什么协议
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其余部分分隔开来。（方案名大小写不敏感）
2、主机与端口
想要在往上寻找到资源，应用程序需要知道哪台机器装载了资源，以及在机器的什么地方可以找到对目标资源进行访问的服务器，URL的主机和端口提供这2点信息
主机组件标识了往上能访问资源的宿主机器。可用主机名或者IP地址来表示主机名。比如下面2个URL就是指向同一个资源
主机名指向：http://joes-hardware.com:80/index.html
IP指向：161.58.228.45:80/index.html
端口组件标识了服务器正在监听的网络端口。对下层使用TCP协议的http协议来说，默认端口为80
3、用户名和密码
有些服务器都要求输入用户名和密码才允许用户访问数据，比如FTP（文件传输协议），如下面几个例子
ftp://ftp.prep.ai.mit.edu/pub/gnu
没有用户名和密码，只有标准的协议、主机和路径；如果某个应用程序使用的URL协议要求输入用户名密码，但用户没有提供，通常会插入一个默认的用户名和密码，比如FTP
ftp://anonymous@ftp://ftp.prep.ai.mit.edu/pub/gnu
指定了一个用户名anonymous，与主机组合在一起，看起来像一个email地址一样；字符“@”将用户名和密码组件与其他部分分隔开来
ftp://anonymous:my_password@ftp://ftp.prep.ai.mit.edu/pub/gnu
指定了用户名和密码，两者之间由字符“：”隔开
4、路径
路径说明了请求的资源位于服务器的什么地方，通常是一个分级的文件系统路径；比如：
http://joes-hardware.com:80/seasona/index-fall.html
这个URL中的资源路径就是seasona/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所需的信息，可以用“/”将http URL中的路径组件划分为一些路径段（path segment），每个路径段都有自己的参数字段
5、参数
对很多协议来说，只有简单的主机名和到达对象路径的是不够的，除了端口和用户名密码，还需要更多的内容才可以访问
有些负责解析URL的应用程序需要协议参数才能工作；否则服务器不会提供服务，或者提供错误的服务，比如
ftp协议有两种传输方式：二进制和文本。如果用文本形式传送二进制图片，结果很难预料有多糟糕
参数组件是URL中的名值队列表，由“/”将其与其他部分分隔开，比如
ftp://ftp.prep.ai.mit.edu/pub/gnu;type=d
参数为type=d，其中参数名为type，值为d
6、查询字符串
在我们发送请求时，很多的资源，比如数据库服务，都可以通过查询来缩小请求资源的类型范围，例如
http://www.joes-hardware.com/inventoty-check.cgi?itcm-12731
问号（？）右边的内容就是这个URL的查询组件。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。可以将网关当做访问其他应用程序的访问点
如下图：查询目的是检查清单中是否size为large、color为blue的条目
网关基本都是希望查询字符串以一系列“名/值”对的形式出现，名值对之间用“&”分隔
上面的例子，查询组件有2个名/值对：item=12731和color=blue
7、片段
有些资源类型，比如HTML，除了资源级意外，还可以进一步划分，比如一个带有章节的大型文本文档，资源的URL会指向整个文档，但理想情况，可以指向资源中的章节
为了方便引用，URL允许使用片段（frag）组件来表示资源内的一个片段，片段挂在URL右边，最前面有一个字符“#”，比如：
http://www.joes-hardware.comtools.html#drills
这个例子中，片段引用了joes-hardwareweb服务器上页面/tools.html中的一个部分，这部分名字叫drills
服务器处理的是整个对象，URL片段仅由客户端使用并展示
二、URL快捷方式
web可以理解并使用URL的快捷方式，比如缩略，自动扩展（用户输入关键部分，浏览器负责填充）
1、相对URL
URL有2种方式：绝对的和相对的。目前为止，我们使用的URL基本都是绝对的，它包含了访问资源所需的全部信息
相对URL是不完整的，要从相对URL中获取访问资源的全部信息，就必须相对于另一个基础（base）的URL进行解析
相对URL是URL的一种便捷缩略记法，下面是一个嵌入了相对URL的HTML文档实例
<html>
<head><title>joe‘s tools</title></head>
<body>
<h1>tools page</h1>
<h2>hammers<h2>
<p>joe‘s hardware online has the largest selection of<a herp="./
hammers.html">hammers
<a/>on earth
</body>
</html>
上面的例子是资源http://www.joes-hardware.com/tools.html的HTML文档，在这个文档中包含了URL./hammers.html的超链接
虽然看起来不完整，但实际上是合法的相对URL，这个URL可以相对于它所在的文档中的URL对其进行解释
使用缩略形式的相对URL语法，写HTML时就可以省略URL中的方案、主机和其他一些组件，这些组件可以从所属资源的基础URL中推导出来，其他资源的URL也可以用这种缩略形式来表示
下图说明了如何从基础URL中推导出缺失的组件信息
相对URL只是URL的片段或一小部分，处理URL的应用程序需要在相对和决定URL之间进行转换
PS：相对URL为了保持一组资源（HTML页面）的便捷性提供了一种便捷方式，如果使用相对URL，可以在搬移一组文档时，仍保持链接的有效性，因为相对URL是相对于新基础进行解释的，类似于在其他服务器提供镜像内容等功能
1.1 基础URL
基础URL是作为相对URL的参考点来使用的，可以来自以下不同的地方：
在资源中显式提供：有些资源会显式指定基础URL
比如：HTML文档中可能会包含一个定义了基础URL的HTML标记<BASE>，通过它来转换HTML文档中的所有相对URL
封装资源的基础URL：如果在一个没有显式指定基础URL的资源中发现一个相对URL，如上面的HTML文档所示，可将其所属资源的URL作为基础
没有基础URL:某些情况没有基础URL，一般意味着你有一个相对URL，但有时可能只是一个不完整或者损坏的URL
1.2 解析相对引用
解析：要将相对URL转换为一个决定URL，需要将相对URL和决定URL划分成组件段，这样，实际上只是在解析URL，但这种做法会将其划分为一个个组件，可以称之为解析/分解URL
将基础和相对URL划分成组件，可以下用下图的算法来完成转换
这个算法将一个相对URL转换成了其绝对模式，之后，就可以用其引用资源
2、自动扩展URL
很多浏览器会在用户提交URL/输入URL时尝试自动扩展URL，这样为用户提供便捷，用户不需要输入完整的URL，浏览器自动扩展
自动扩展特性有以下2种方式：
2.1 主机名扩展
只要有些小提示，浏览器就可以帮你将输入的主机名扩展为完整的主机名，比如：输入baidu，构建出www.baidu.com；弊端在于有时候会为其他http应用程序带来问题，比如代理，后面详细解释
2.2 历史扩展
将以前用户访问过的URL记录储存起来，当用户输入URL时将其与历史记录中的URL前缀进行匹配，并提供一些完整的选项供用户选择
PS：与代理一起使用时，URL自动扩展的行为可能有所不同，后面详细解释
三、URL字符集
URL是可移植的：它命名了互联网上所有的资源，需要通过各种不同协议来传输资源，资源在传输时采取了不同的机制，因此，信息的安全传输就很重要
安全传输意味着URL传输不能丢失信息，但有些协议，比如SMTP（简单邮件传输协议），传输方法就是剥去一些特点的字符
URL是可读的：因此，即使不可见、不可打印的字符能穿过邮件程序，从而成为可移植的，也不能在URL中使用
URL是完整的：有人希望URL中包含初通用的安全字母表之外的二进制数据或字符，因此需要一种转义机制，将不安全的字符编码为安全字符再传输
1、URL字符集
1.1 很多计算机应用程序使用的都是ASCII字符集，ASCII使用7位二进制码来表示大多数按键和少数不可控字符，其移植性也很好，但考虑到全球用户太多，以及有时候URL中会包含任意二进制数据
就需要将转义序列集成进来，通过转义序列将ASCII字符集的有限子集对任意字符值或数据进行编码，这样就实现了可移植和完整性
1.2 编码机制
为了避开安全字符集带来的限制，人们设计了“转义”表示法来表示不安全字符，其中包含一个百分号（%），后面跟2个表示字符ASCII码的十六进制数，下面是几个例子
1.3 字符限制
URL中，有几个字符被保留起来，有着特殊含义。有些字符不在定义的ASCII字符集中，还有些字符会和某些协议网关产生混淆，因此不赞成使用
四、常见协议
下面附录一个关于常用常见的协议列表
五、URL未来发展
URL可用来命名所有现存对象，其还提供一种可在各种协议间共享的统一命名机制，但并不完美；因为URL只表示实际地址，而不是准确的名字，意味着如果资源地址有变化，URL就无法对其进行定位
永久统一资源定位符（PURL），其本质是搜索资源过程中引入一个中间层，通过一个中间资源定位符（resource locator）服务器对资源的实际URL进行登记和追踪
客户端可以向定位符请求一个永久的URL，定位符可以以一个资源为响应，将客户端重定向到资源当前的URL去
写到这里，基本上关于URL与资源的内容整理完了，当然，相关的一些其他信息就需要大家对照具体的信息去寻找了。。。。。。
本来这周二就整理的差不多了， 一直因为琐碎的的工作上的事和身体原因，没发布，所以，随笔顶部的内容，大家忽略。。。
http协议进阶（二）URL与资源