Last Updated: 2023-04-12 00:46:51 Wednesday
-- TOC --
我遇到了一些关于URL和URI的知识点，总结在这篇笔记里面，似乎主要都是URL的问题。
URI 是 Uniform Resource Identifier 的缩写，统一资源标识符。简单理解，就是资源ID，独一无二。
URL 是 Uniform Resource Locator的缩写，统一资源定位符。简单理解，就是定位一个资源。
可以笼统地说，每个 URL 都是 URI，但不一定每个 URI 都是 URL。URL在定义了资源的同时，还包含了获取资源的方式，而URI只有资源ID，可以没有后者。
URL是URI的子集。任何东西，只要能够唯一地标识出来，都可以说这个标识是 URI 。如果这个标识是一个可获取到上述对象的路径，那么同时它也可以是一个 URL ；但如果这个标识不提供获取到对象的路径，那么它就必然不是 URL 。
RFC3986中列举了几种 URI 例子，如下所示：
ftp://ftp.is.co.za/rfc/rfc1808.txt
http://www.ietf.org/rfc/rfc2396.txt
ldap://[2001:db8::7]/c=GB?objectClass?one
mailto:John.Doe@example.com
news:comp.infosystems.www.servers.unix
tel:+1-816-555-1212
telnet://192.0.2.16:80/
urn:oasis:names:specification:docbook:dtd:xml:4.1.2
HTTP协议中，主要使用URI这个词，可能是因为HTTP本身已经说了名获取资源的方式。
其实，不区分大小写的只是域名而已，URL或URI是比域名更长的一个字符串，这个字符串除了域名部分之外，都要区分大小写。
比如，我们去查域名的注册情况，输入小写或者大写，查询结构都是一样的，这表示域名部分大小写不做区分，都一样，是一个域名。
但是域名后面的部分是要区分大小写，最典型的例子是短地址。请看这两个短地址，既有大写也有小写。比如：http://t.cn/R2K9rJI， http://t.cn/R2tu0V3。
可以将URL域名后面的部分理解为磁盘上的文件系统。认识到URL是区分大小写的很重要，因为搜索引擎会将大小写不同的网址作为不同的页面地址来处理，但是网站程序有可能错误地返回了相同页面，这样在搜索引擎看来，是重复内容，轻则去掉索引，重则有可能惩罚整个网站。
链接中的锚也是要区分大小写！（链接中#后面的部分）
/符号下面这3个网址，是等效的：
http://apache.fayea.com/apr/
http://apache.fayea.com//apr/
http://apache.fayea.com////apr/
URL里面，除了最前面的http[s]://，这里只能有两个/，后面在分段的时候，可以有多个/，效果等同于一个/。
其实，这个规则与Linux上的处理文件系统路径的规则一致，请看：
pi@rp02:~ $ cd /home/////pi//////repos
pi@rp02:~/repos $ pwd
/home/pi/repos
/符号把URL去掉域名部分，剩下的看成Linux的文件夹系统，那么最后是否有 /，表达的含义是不一样的。有 /，表示文件夹，没有 /可能就是一份文件。但是，这个细节如何处理，要根据应用场景来考虑。总之，它们是有区别的。
下面是Flask关于这个细节的一点说明，作为参考：
The following two rules differ in their use of a trailing slash.
@app.route('/projects/')
def projects():
return 'The projects folder page'
@app.route('/about')
def about():
return 'The about page'
The canonical URL for the projects endpoint has a trailing slash. It’s similar to a folder in a file system. If you access the URL without a trailing slash (/projects), Flask redirects you to the canonical URL with the trailing slash (/projects/).
The canonical URL for the about endpoint does not have a trailing slash. It’s similar to the pathname of a file. Accessing the URL with a trailing slash (/about/) produces a 404 “Not Found” error. This helps keep URLs unique for these resources, which helps search engines avoid indexing the same page twice.
如果有目录a，访问 /a，Flask（包括Apache Httpd）会自动重定向（301）到 /a/这个链接，然后再返回a目录下的index.html（默认配置）。这个细节很重要，如果你的网站，所有的文件，都是目录下的index.html，要特别留意网页上的链接，是否有 /，如果没有，服务器会处理很多无畏的重定向。
tailing slash规则，对于网站的home page不适用！
同理，如果是中文网站，在URL必须灵活自定义的情况下，选择使用关键词的拼音。
受欢迎的网页，其URL藏在各大搜索引擎的数据库中，藏在很多用户的收藏夹中，这些URL是资产，它们自带流量。在网站发生变更的时候，记得对它们进行301重定向处理，这是在保护资产。URL应该是最古老的数字资产！他们能够带来现金流......
维持这份数字资产的成本，就是每年的域名和服务器的费用，以及个人投入的时间和精力。
URL编码通常也被称为百分号编码（percent-encoding），是因为它的编码方式非常简单：
使用%加上两位的字符代表一个字节的十六进制形式。URL编码要做的，就是将每一个非安全的ASCII字符都被替换为%xx格式，对于非ASCII字符，RFC文档建议使用utf-8对其进行编码得到相应的字节，然后对每个字节执行百分号编码。
下面是使用Python标准库的测试代码。
urllib.parse.urlencode的作用是将dict对象转换成Query String：
>>> from urllib.parse import urlencode
>>> a = {'a':1,'b':2,'CS笔记':3}
>>> urlencode(a)
'a=1&b=2&CS%E7%AC%94%E8%AE%B0=3'
>>>
>>> b= {'+':1,'a b':2,'@':3}
>>> urlencode(b)
'%2B=1&a+b=2&%40=3'
额....空格编码成了加号？
urllib.parse.quote和unquote可以对普通的string，进行percent-encoding互转：
>>> a = urllib.parse.quote('/a b c d/1 2 3 4')
>>> a
'/a%20b%20c%20d/1%202%203%204'
>>> urllib.parse.unquote(a)
'/a b c d/1 2 3 4'
urllib.parse.urlsplit将一个url分割成5个部分，这5个部分分别是scheme，netloc，path，query，fragment，如下：
>>> a = urllib.parse.urlsplit('https://cs.pynote.net/about?a=1&b=2#xyz')
>>> a
SplitResult(scheme='https', netloc='cs.pynote.net', path='/about', query='a=1&b=2', fragment='xyz')
>>> a[0]
'https'
>>> a[1]
'cs.pynote.net'
>>> a[2]
'/about'
>>> a[3]
'a=1&b=2'
>>> a[4]
'xyz'
urllib.parse.urlunsplit刚好反过来，用5个部分来拼出一个url：
>>> urllib.parse.urlunsplit(('https','cs.pynote.net','/about',urllib.parse.urlencode({'a c':1,'b d':2}),'xyz'))
'https://cs.pynote.net/about?a+c=1&b+d=2#xyz'
比如：
https://192.168.1.2:8080
当使用IPv6地址时，需要用[]将地址括起来，这是为了区分那部分是IPv6地址，那部分是端口号：
https://[X::X]:8080
本文链接：https://cs.pynote.net/net/202109235/
-- EOF --
-- MORE --