URL 与 URI

概述

参考：

• Wiki，URI
• Wiki，IRI
• Wiki，URL
• Wiki，CleanURL-slug
• Wiki，URL encoding
• RFC 3986，Uniform Resource Identifier(URI): Generic Syntax
• RFC 1738，Uniform Resource Locators (URL)
• https://www.ruanyifeng.com/blog/2010/02/url_encoding.html

既然 HTTP 的本质是是在两点之间传输超文本，那么这个超文本又该如何表示呢？我们应该如何正确得找到这个超文本呢？所以，人们将超文本描述为 Resource(资源)，互联网上如此之多得资源，就需要一个唯一标识符来标识每一个资源。URI 就是这么一个用来标识资源的规范。

Uniform Resource Identifier(统一资源标识符，简称 URI) 是 Web 技术使用的唯一标识符。URI 可以用于标识任何东西，包括现实世界中的对象，例如人和地方，概念或信息资源，例如网页和书籍。某些 URI 提供了一种在网络上(在 Internet 上或在另一个专用网络上，例如在计算机文件系统或 Intranet 上)定位和检索信息资源的方法，它们是 Uniform Resource Locator(统一资源定位符，简称 URL)。而其他 URI 仅提供一个唯一名称，而没有找到或检索该资源的信息，这类 URI 被称为 Uniform Resource Name(统一资源名称，简称 URN)。

尽管 URI 仍然是常用术语，但定义 URI 的规范已经被 Internationalized Resource Identifiers(国际化资源标识符，简称 IRI) 的规范所取代。IRI 扩展了 URI 的定义，以便 IRI 可以处理诸如 Kanji(汉字) 之类的字符集，而不是仅限于 ASCII。

Uniform Resource Locator(统一资源定位符，简称 URL) 是 URI 的一种子集。

要强制区分 URL 和 URI/IRI 这两种标准化术语是很难的。实际上，两者都使用同一种算法，因此没必要强行区分二者的区别，而且 URL 这个词也更具有人气。所以没有必要强制区分 URI 与 URL。

URL Syntax(URL 语法)

参考:

• https://www.rfc-editor.org/rfc/rfc3986.html#section-3

URL 主要由四个部分组成：协议、主机、端口、路径

**Scheme:[//Authority]/Path[?query][#fragment]**

• Scheme:// # URL 方案，即访问协议,指定低层使用的协议(例如：http, https, ftp)
• Authority # 分为三个部分 [UserInfo@]Host[:Port]
• UserInfo # 认证信息。由于安全原因，现在这个年代，都省略这部分，而通过其他方式传递认证信息。
• Host:PORT # 服务器 IP 地址或者域名:要访问的端口号
• /PATH # 要访问的资源路径。即资源在主机上的存放相对路径。
  • 注意：其实 / 也算作 PATH 的一部分，只不过访问一个网站时，访问的默认资源就是 /，并且也便于人类阅读，所以很多网站访问时虽然末尾没有 /，其实是隐藏了。
• QUERY # 其实就是参数。用于给动态网页或接口传递参数，可有多个参数，用“&”符号隔开，每个参数的名和值用“=”符号隔开。
• Fragment # 片段，主要用于浏览器中。当前页面的其中一段的位置，比如一篇小说有 N 个章节在统一页面显示，开头有目录，点击某一个章节会跳到该页面的某一段，该段的开头就是整个页面的片段，类似于一个位置锚定的作用，该字段即实现这个功能

URL slug

URL slug 是位于域扩展名之后的 URL 或链接的一部分。

• 它们可用于网站：
  • www.rebrandly.com/links # ’links’ 是 URL Slug。
• 或者它们可以用于您的自定义短链接：
  • rebrandly.rocks/content-curation # ‘content-curation’ 是 URL slug。

EXAMPLE

          userinfo       host      port
          ┌──┴───┐ ┌──────┴──────┐ ┌┴┐
  https://john.doe@www.example.com:123/forum/questions/?tag=networking&order=newest#top
  └─┬─┘   └───────────┬──────────────┘└───────┬───────┘ └───────────┬─────────────┘ └┬┘
  scheme          authority                  path                 query           fragment

• unix:///run/containerd/containerd.sock # 这也是 URI 的一种，这就是不同于网络定位符的地方，没有域名之类的东西。Scheme 后面直接接的是 PATH

URL 编码

URL Encoding(URL 编码)

通常来说，URL 只能使用英文字母、阿拉伯数字和某些标点符号。那么如果在 URL 中想使用其他字符，比如中文或某些特殊字符怎么办呢？

上述问题就是 URL 编码的由来。在初期，并没有 RFC 规定具体如何进行编码，而是由应用程序自行处理。这就导致 URL 编码称为一个混乱的领域。

在浏览器中，如果输入 http://www.google.com/断念梦，则会被编码为 http://www.google.com/%E6%96%AD%E5%BF%B5%E6%A2%A6。这里面的规则非常简单：

• 这三个汉字的 UTF-8 编码结果分别为
  • 断: E6 96 AD
  • 念: E5 BF B5
  • 梦: E6 A2 A6
• “断念梦” 三个汉字的 Unicode 编码结果为 E4 BD A0 E5 A5 BD，每个字节前面加上个 %，就得到了 URL 编码。