爬虫|URL和URI有什么不一样

2019-01-31 本文已影响6人 5a41eb2ceec6

日拱一卒|数据挖掘009

简单点说，URL就是在浏览器端输入的www.baidu.com这个字符串

展开说URL之前，首先要理解URI的概念。

Web 上每种可用的资源，如 HTML 文档、图像、视频片段、程序等都由一个通用资源标志符(Universal Resource Identifier， URI)进行定位。

URI通常由三部分组成：

除此之外，如果不是访问特定资源而是对服务器本身发起请求，可以用一个 * 来代替请求 URI。下面这个例子是查询 HTTP 服务器端支持的 HTTP 方法种类。

URL是URI的一个子集。它是Uniform Resource Locator的缩写，译为“统一资源定位符”。 即URL可以用来标识一个资源，而且还指明了如何定位这个资源。

通俗地说，URL是Internet上描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上。采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。

URL的一般格式为(带方括号[]的为可选项)：
protocol :// hostname[:port] / path / [;parameters][?query]#fragment

URL的格式由三部分组成：

第一部分和第二部分用“://”符号隔开，
第二部分和第三部分用“/”符号隔开。
第一部分和第二部分是不可缺少的，第三部分有时可以省略。

1.HTTP协议的URL示例：

http://www.peopledaily.com.cn/channel/welcome.htm
其计算机域名为www.peopledaily.com.cn
超级文本文件(文件类型为.html)是在目录/channel下的welcome.htm

2.文件的URL
用URL表示文件时，服务器方式用file表示，后面要有主机IP地址、文件的存取路径(即目录)和文件名等信息。有时可以省略目录和文件名，但“/”符号不能省略。

例：file://ftp.yoyodyne.com/pub/files/foobar.txt
上面这个URL代表存放在主机ftp.yoyodyne.com上的pub/files/目录下的一个文件，文件名是foobar.txt

URL是URI的子集。

URI的定义是：统一资源标识符，而URL的定义是：统一资源定位符。

二者的区别在于，URI表示请求服务器的路径，定义这么一个资源。而URL同时说明要如何访问这个资源（http://）。

爬虫最主要的处理对象就是URL，它根据URL地址取得所需要的文件内容，然后对它进行进一步的处理。因此，准确地理解URL对理解网络爬虫至关重要。