URL

Uniform Resource Locator, сокр. URL (произносится [ю-ар-эл], [ˌjuː ɑːr ˈel]; с англ. — «единообразный указатель местонахождения ресурса») — адрес ресурса в сети Интернет. Стандарт URL регулируется организацией IETF. URL как формат адреса ресурса был изобретён Тимом Бернерсом-Ли в 1990 году в стенах Европейского совета по ядерным исследованиям, и стал фактической основой для создания Всемирной паутины. Сейчас URL позиционируется как часть более широкой системы адресации URI и регулируется документом, определяющим URI (RFC 3986).

В России употребление URL в официальных документах регулируется ГОСТ Р 7.0.5-2008 «Библиографическая ссылка. Общие требования и правила составления».

История

править

URL был изобретён Тимом Бернерсом-Ли в 1990 году в стенах Европейского совета по ядерным исследованиям (фр. Conseil Européen pour la Recherche Nucléaire, CERN) в Женеве, Швейцария. URL стал фундаментальной инновацией в Интернете. Изначально URL предназначался для обозначения мест расположения ресурсов (чаще всего файлов) во Всемирной паутине. Сейчас URL применяется для обозначения адресов почти всех ресурсов Интернета. Стандарт URL закреплён в документе RFC 3986. Сейчас URL позиционируется как часть более общей системы идентификации ресурсов URI, сам термин URL постепенно уступает место более широкому термину URI. Стандарт URL регулируется организацией IETF и её подразделениями.

В 2009 году Тим Бернерс-Ли высказал мнение об избыточности двойного слеша // в начале URL, после указания сетевого протокола[1][2].

Структура URL

править

URL был разработан как система для максимально естественного указания на местонахождения ресурсов в сети. Локатор должен был быть легко расширяемым и использовать лишь ограниченный набор ASCII‐символов (к примеру, в URL никогда не применяется пробел). В связи с этим возникла следующая традиционная форма записи URL:

<схема>:[//[<логин>[:<пароль>]@]<хост>[:<порт>]][/<URL‐путь>][?<параметры>][#<якорь>]

В этой записи:

схема обращения к ресурсу; в большинстве случаев имеется в виду сетевой протокол
имя пользователя, используемое для доступа к ресурсу
пароль
править
пароль указанного пользователя
полностью прописанное доменное имя хоста в системе DNS или IP-адрес хоста в форме четырёх групп десятичных чисел, разделённых точками; числа — целые в интервале от 0 до 255.
порт хоста для подключения
URL-путь
править
уточняющая информация о месте нахождения ресурса; зависит от протокола.
параметры
править
строка запроса с передаваемыми на сервер (методом GET) параметрами. Начинается с символа ?, разделитель параметров — знак &. Пример: ?параметр_1=значение_1&параметр_2=значение_2&параметр3=значение_3
идентификатор «якоря»[англ.] с предшествующим символом #. Якорем может быть указан заголовок внутри документа или атрибут id[англ.] элемента. По такой ссылке браузер откроет страницу и переместит окно к указанному элементу. Например, ссылка на этот раздел статьи: https://ru.wikipedia.org/wiki/URL#Структура_URL.

Схемы (протоколы) URL

править

Общепринятые схемы (протоколы) URL включают:

  • ftp — протокол передачи файлов FTP
  • http — протокол передачи гипертекста HTTP
  • rtmp — проприетарный протокол потоковой передачи данных Real Time Messaging Protocol, в основном используется для передачи потокового видео и аудио с веб-камер через Интернет.
  • rtsp — потоковый протокол реального времени.
  • https — специальная реализация протокола HTTP, использующая шифрование (как правило, SSL или TLS)
  • gopher — протокол Gopher
  • mailto — адрес электронной почты
  • news — новости Usenet
  • nntp — новости Usenet через протокол NNTP
  • irc — протокол IRC
  • smb — протокол SMB/CIFS
  • prospero — служба каталогов Prospero Directory Service
  • telnet — ссылка на интерактивную сессию Telnet
  • wais — база данных системы WAIS
  • xmpp — протокол XMPP (часть Jabber)
  • file — имя локального файла
  • data — непосредственные данные (Data: URL)
  • tel — звонок по указанному телефону

Экзотические схемы URL:

Схемы URL в браузерах:

Кодирование URL

править

Стандарт URL использует набор символов US-ASCII. Это имеет серьёзный недостаток, поскольку разрешается использовать лишь латинские буквы, цифры и несколько знаков пунктуации. Все другие символы необходимо перекодировать. Например, перекодироваться должны буквы кириллицы, буквы с диакритическими знаками, лигатуры, иероглифы. Перекодирующая кодировка описана в стандарте RFC 3986 и называется URL-encoding, URLencoded или percent‐encoding.

Пример кодирования можно видеть в русскоязычной Википедии, использующей в URL русский язык. Например, строка вида:

https://ru.wikipedia.org/wiki/Википедия

кодируется как:

https://ru.wikipedia.org/wiki/%D0%92%D0%B8%D0%BA%D0%B8%D0%BF%D0%B5%D0%B4%D0%B8%D1%8F

Реализация

править

Преобразование происходит в два этапа: сначала каждый символ кириллицы кодируется в UTF-8 в последовательность из двух байтов, а затем каждый байт этой последовательности записывается в шестнадцатеричном представлении с предшествующим знаком процента (%):

В → D0 и 92 → %D0%92
и → D0 и B8 → %D0%B8
к → D0 и BA → %D0%BA
и → D0 и B8 → %D0%B8, и т. д.

(Для перевода символов можно использовать Вся кириллица в Юникоде

Пример :

В = U+0412(мы переводим в 16-тиричную систему каждую цифру→ 0-0000, 4-0100, 1-0001, 2-0010) = 0000010000010010.

Затем отбрасываем нули с начала до первой единицы →10000010010 т.к. у нас получился буква В кодируется в размере 11 бит(один символ=1бит).

Из теории UTF-8 мы видим что размерность от 8 до 11 бит = 2 октетам , следовательно используем шаблон->110xxxxx 10xxxxxx

Подставляем заместо x кодируемые символы которые мы получили:

Юникод U+0412 =Код буквы(В) в 16-тиричную системе: 10000010010

Шаблон (2 октета): 110xxxxx 10xxxxxx

UTF-8 :11010000 10010010

На последнем этапе переводим то что получили в 16-тиричную систему: для перевода разделяем по 4 бит на символ ... 1101 0000 и 1001 0010

1101=13=D, 0000=0=0, 1001=9, 0010=2

Итог: В → D0 и 92 → добавляем предшествующие знаки процента (%) → %D0%92 !!! Succes^^

Зарезервированные символы[4]
! * ' ( ) ; : @ & = + $ , / ? # [ ]
Не зарезервированные символы[4]
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
a b c d e f g h i j k l m n o p q r s t u v w x y z
0 1 2 3 4 5 6 7 8 9 - _ . ~

Все другие символы в URI кодируются.

Зарезервированные символы кодируются в таком соответствии:

! " #[5] $ % &[5] ' * + ,[5] :[5] ;[5] < =[5] > ?[5] [ ] ^ ` { | } <пробел>
%21 %22 %23 %24 %25 %26 %27 %2A %2B %2C %3A %3B %3C %3D %3E %3F %5B %5D %5E %60 %7B %7C %7D %20[6]

Кодирование параметров в Internet Explorer и старом Firefox происходит несколько иначе[7].

В некоторых случаях URL формируется с использованием кодирования Base58[8].

Стандарт IRI

править

Поскольку такому преобразованию подвергаются буквы всех алфавитов, кроме базовой латиницы, то URL со словами подавляющего большинства языков может стать нечитаемым для человека.

Это всё входит в противоречие с принципом интернационализма, провозглашаемого всеми ведущими организациями Интернета, включая W3C и ISOC. Эту проблему призван решить стандарт IRI (англ. Internationalized Resource Identifier) — международных идентификаторов ресурсов, в которых можно было бы без проблем использовать символы Юникода, и которые поэтому не ущемляли бы права других языков. Хотя заранее сложно сказать, смогут ли когда‐либо идентификаторы IRI заменить столь широко используемые URL (и URI в целом).

Ограничение длины

править

Формально, длина URL не ограничена, но браузеры имеют ограничения по длине URL. Не рекомендуется использовать URL длиной более 2048 символов, так как Microsoft Internet Explorer имеет именно такое ограничение[9].

Инициатива PURL

править

Ещё один кардинальный недостаток URL состоит в отсутствии гибкости. Ресурсы во Всемирной паутине и Интернете перемещаются, а ссылки в виде URL остаются, указывая на уже отсутствующие ресурсы. Это особенно болезненно для электронных библиотек, каталогов и энциклопедий. Для решения этой проблемы были предложены постоянные локаторы PURL (англ. Persistent Uniform Resource Locator). В сущности это те же URL, но они указывают не на конкретное место расположения ресурса, а на запись в базе данных PURL, где, в свою очередь, записан уже конкретный URL‐адрес ресурса. При обращении к PURL сервер находит нужную запись в этой базе данных и перенаправляет запрос уже на конкретное местоположение ресурса. Если адрес ресурса меняется, то нет нужды исправлять все бесчисленные ссылки на него — достаточно лишь изменить запись в БД. В настоящий момент эта идея не стандартизирована и не имеет широкого распространения.

См. также

править

Примечания

править
  1. Двойной слеш в адресах интернета появился из-за спешки его создателя. РИА Новости (14 октября 2009). Дата обращения: 11 июля 2010. Архивировано 25 августа 2011 года.
  2. Создатель интернета сожалеет о двойном слеше. 3DNews Daily Digital Digest (14 октября 2009). Дата обращения: 26 февраля 2020. Архивировано 26 февраля 2020 года.
  3. The Chrome URL. Дата обращения: 9 декабря 2014. Архивировано 21 октября 2014 года.
  4. 1 2 RFC 3986, раздел 2.2
  5. 1 2 3 4 5 6 7 Символ допустим, но при указании прямым текстом несёт специальное синтаксическое значение
  6. MediaWiki избегает кодирования пробела как %20, вместо этого он везде заменяется символом подчёркивания «_». Многие поисковики заменяют пробел на символ «+».
  7. HTTP, RFC 3986 и браузеры
  8. Flickr Services. Дата обращения: 19 сентября 2014. Архивировано 12 августа 2014 года.
  9. Максимальная длина URL-адреса в Internet Explorer составляет 2083 символа. microsoft.com. Дата обращения: 10 мая 2015. Архивировано 15 ноября 2016 года.

Ссылки

править