HTTP协议之URL

1.什么是URL

URL的全称是Uniform Resoure Locator，统一资源定位器。URL是浏览器寻找信息时所需的资源位置。当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。说到URL就不得不说下URI与URN这总是伴随出现的概念。

URI的全称是Uniform Resource Identifier，统一资源标识符。

URN的全称是uniform resource name，统一资源命名。

显然，URI是一个更加抽象的概念，定义了资源的唯一性标识，而URL与URN是他的两种实现。前者根据具体位置定位资源，后者根据名称定位资源。而HTTP协议处理的基本上都是URL。

URL的出现整合了互联网资源的获取方式，使得资源的获取方式都变得明朗起来。

2.URL语法

URL语法可以归纳到下面的通用格式上：

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

scheme：方案名，常见的是http/https/ftp/mail等协议。方案名是大小写无关的，即http://www.baidu.com与HTTP://www.baidu.com是等价的。
user：用户名，在http协议中比较少见，默认值是匿名用户"anonymous"
password：密码，与上面的user性质相同。在ftp协议中是比较常见的，比如ftp://user:password@ftphost/download。如果不指定密码，不同的浏览器实现会发送不同的默认密码。
host：主机，资源的具体承载机器。一般使用域名或者IP来表示，使用IP的可以直接定位到具体机器，而使用域名的需要经过DNS解析后获得IP。
port：端口，机器上的具体应用。在一台机器上一个端口对应一个应用，有了host+port就定位到资源的具体应用上了。http协议的默认端口是80，https的默认端口是443。
path：路径，资源的分级目录。类似于文件系统的路径，可以使用多个/进行层级分割，每层都可以跟参数。
params：路径对应的参数，不常用但合法。比如：http://www.baidu.com/china;type=a/beijing;degree=b
query：查询字符串，与后端程序交互的关键，以？开始。比如：http://www.baidu.com?item=a&color=b
frag：片段，也叫锚点。前面部分可以定位到具体某个资源文件，片段用来标识具体哪一个部分。而片段是不会发送给服务器的，服务器返回整个对象，浏览器根据片段来展示不同效果。

3.URL字符集

URL是可移植的，所以为保障安全传输，要选用较小的、通用的字符集。
URL要有可读性，所以不可见，不可打印的字符也不能使用在URL中。
URL要有完整性，能包含各种复杂的含义，所以通过转义机制将不安全的字符编码转移为安全的字符编码。

介于上述原因，URL的设计者采用了US-ASCII编码，同时引入了转移序列的概念。具体的转译方法就是，将不安全的字符使用一个百分号%，后面跟着两个表示字符ASCII码的十六位进制数。比如空格对应ASCII码为32，所以转义后为%20。

而对于中文字符，则进行这样不同的处理。由于2个十六位进制数是一个字节的长度，所以就是将不安全字符对应的二进制按照字节划分，每个字节前跟了一个%。比如“你好”的十六进制数是e4bda0e5a5bd，经UrlEncode后就是%e4%bd%a0%e5%a5%bd。