URL 解析 - 基础知识
URL 解析
这是我们在本文中的示例：
https://username:password@www.example.com:443/path/to/page.html?query=file#fragment
该 URL 的格式基于通用 URI 语法，如下所示 [2]：
URI = scheme ":" ["//" authority] path ["?" query] ["#" fragment]
需要注意的是，‘authority’ 可以具有以下语法：
authority = [userinfo "@"] host [":" port]
URI 结构
URI 结构是必需的，但通常被应用程序隐藏。例如，在浏览器中，http 或 https 是默认的并隐含的。
示例：
https:// ssh:// tel://
这通常也称为“协议”，表示如何访问该资源。
URI 方案名称的官方注册表由 IANA 维护，网址为 http://www.iana.org/assignments/uri-schemes。IANA 列出了已注册的和从未注册的保留方案 [1]。
Dan Connolly 维护了一个庞大的（但现已退休）公共已注册和未注册方案列表。同时，大量的私有方案仅供公司内部使用。
RFC4395 解释了注册程序并提供了一些指南。旧版本的标准是 RFC2717（注册）和 RFC2718（指南）。
顺带一提，双斜杠是 Tim Berners-Lee 的选择，但他对此感到后悔，因为它们没有其他用途。
用户信息
用户信息是可选的，通常会被应用程序忽略。大多数浏览器会忽略该信息或发出警告，因为它存在安全风险。
示例：
ssh://username@example.com:2222
Host
这是Host部分。它可以是相同的系统、主机名、IP 地址或域名。
示例：
ldap://[2001:db8::10]/c=GB?objectClass?one # 需要将 IPv6 地址放在方括号中
https://ittavern.com/url-explained-the-fundamentals/
vnc://10.10.20.57:5900
域名
我们简要讨论一下域名的世界。
示例：
www.example.com # 完整域名
www # 子域名
example # 二级域名（SDL）
com # 顶级域名（TLD），也称为域名后缀或域名扩展
. # 引用：根区域，不再详细讨论
二级域名必须仅包含字母（a-z）、数字（0-9）和短划线（'-'），但不能以短划线开头。此外，域名不区分大小写，意味着 ITTAVERN.COM 和 ittavern.com 是相同的。二级域名的最大长度为 63 个字符。子域名受相同规则约束，但还可以包含下划线（_），虽然不推荐，但某些服务要求这样做。例如，微软的某些 SRV DNS 服务使用 _sipfederationtls._tcp.example.com。浏览器可以接受，但并不能保证兼容性。
每个点之间的字符串称为标签，一个标签的最大长度为 63 个字符。完整域名的最大长度为 253 个字符，包括点。
目前注册的顶级域名（TLD）有将近 1500 个。截至本文发布时，具体数量是 1470 个。
kuser@pleasejustwork:~$ curl https://data.iana.org/TLD/tlds-alpha-by-domain.txt | sed '1d' | wc -l
% Total % Received % Xferd Average Speed Time Time Time Current
Dload Upload Total Spent Left Speed
100 9828 100 9828 0 0 11506 0 --:--:-- --:--:-- --:--:-- 11494
1470
所有顶级域名的列表可以在 IANA 的文档中找到。
顶级域名有两种类型：通用顶级域名（gTLD），如 .com、.info、.net，以及国家代码顶级域名（ccTLD），如 .nl、.de、.us，还有一些组合形式，如 .co.uk 或 .com.au。
以下是翻译：
端口
许多方案都有默认端口号，这使得大多数程序可以隐藏端口号，避免给用户带来混淆。例如，http 使用端口 80，https 使用端口 443，ssh 使用端口 22，等等。同样适用于传输协议，如 TCP 或 UDP。这些是必需的，但大多数应用程序会隐藏它们，如果使用的是默认端口，例如，浏览器会隐藏 :443 并显示 :10443，如果使用的是 https 协议。
路径
路径是一个从左到右的分层命名系统，用于子目录或子文件夹和文件，是必需的。与域名不同，路径是区分大小写的！
示例：
https://ittavern.com/images/logo.png
https://ittavern.com/random-post/
https://duckduckgo.com # 路径缺失，但隐含根目录 /
顺带一提，第一个示例指向一个图片，在第二个示例中，你可能注意到文件缺失。浏览器会打开 random-post 子文件夹，并且 web 服务器配置为提供预定义文件。通常这些文件称为 index.html，但这取决于设置。这也被称为“漂亮的 URL”。
查询
查询包含可选参数，可以在服务器或客户端使用。常见的用例包括引用信息、变量、选项设置等。参数之间的分隔符是 & 和 ;。
示例：
https://www.twitch.tv/randomstream1231?referrer=raid # 在 Twitch 上，显示观众的来源
https://youtu.be/dQw4w9WgXcQ?t=4 # 在 YouTube 上，它告诉客户端视频从何处开始播放
https://youtu.be/dQw4w9WgXcQ?list=PLi9drqP&t=9 # 包含播放列表和时间戳的多个参数
路径
路径是可选的，用于引用资源中的特定位置。例如，在 HTML 文件中的锚点。
https://ittavern.com/url-explained-the-fundamentals/#fragments
绝对 URL 和相对 URL 之间的区别
到目前为止，每个 URL 都是绝对 URL。相对 URL 通常仅包含路径，需要引用或基本 URL 才能工作。
示例：
/de-DE/same-page-different-lang
/img/logo.png
URI 和 URL、URN 及 URC 的区别
URI 代表统一资源标识符，是一串用于标识任何事物的唯一字符，由网络技术使用。URI 可用于标识任何逻辑或物理的东西，从地点和名称到概念和信息 [2]。
URI 是 URL（统一资源定位符）、URN（统一资源名称）和 URC（统一资源特征）的超集。例如，每个 URL 都是一个 URI，但并非每个 URI 都是 URL。尽管如此，实际上 URI 和 URL 经常可以互换使用。
这些不同的子集有不同的任务：URN 用于标识项目，URL 告诉你如何定位和访问项目，URC 指向该项目的特定元数据。可以在各自的部分找到示例。
URL
URL 代表统一资源定位符，指定了一个已标识资源的位置以及访问它的机制。更多详细信息请参见上文。
URN
通过唯一且持久的名称标识资源，而不包含任何位置信息。
示例：
urn:isbn:n-nn-nnnnnn-n # 通过 ISBN 号识别书籍
urn:uuid:39ab000da-3f9a-abe2-1337-123456789abc # 全局唯一标识符
urn:publishing:book # 一个 XML 命名空间，标识该文档为书籍类型
顺带一提，isbn（如第一个示例中所示）是一个 URN 命名空间标识符（NID），而不是 URN 方案或 URI 方案 [1]。有人会将 NID（见下表）称为与 URL 等价的 URI 方案，这是不正确的。
每个 URN 应该具有以下结构：
URN # 方案规格前缀
NID # 命名空间标识符（字母、数字、短划线）
NSS # 命名空间特定字符串，用于标识资源（可以包含 ASCII 码、数字、标点符号和特殊字符）
URC
URC 代表统一资源特征或统一资源引用。根据维基百科，前者是当前使用的名称。
URC 指向资源的元数据，而不是资源本身。一个简单的例子是一个 URC，它指向主页的源代码：
view-source:http://example.com/
不过，从未制定出最终标准，URC 也从未被广泛采用。
