Java开发笔记(一百零七)URL地址的组成格式

URL的全称是Uniform Resource Locator,意思是统一资源定位符,俗称网络地址或网址。网络上的每个文件及接口,都有对应的URL网址,它规定了其他设备如何通过一系列的路径找到自己,犹如网购的包裹一路送至收货地址所描述的地点。现实生活中的通讯地址,一般遵循固定的格式,比如“××省××市××区××小区×××”;网络地址也有相应的命名规则,比如新华网的首页地址为“http://www.news.cn”,当然该地址比较简单,还能造出更复杂的URL如“http://www.news.cn:8080/Public/GetValidateCode?time=123#index”(该网址纯属虚构)。虽然普通用户平时上网只消打开网页接着在各类链接之间跳来跳去,但是作为程序员必须弄清楚这些链接地址的格式涵义,这样才能学好网络通信的编程开发。仍以网址“http://www.news.cn:8080/Public/GetValidateCode?time=123#index”为例,该URL包含了网络地址的各项组成部分,具体细节如下图所示。


接下来对上图的URL字符串补充详细说明,从左到右依序介绍如下:
1、最开头的http表示该地址采用的网络协议,它的全称是“Hypertext Transfer Protocol”,意思是超文本传输协议。除了http,常见的网络协议还有https、ftp、file、telnet等等。
2、协议后面越过两个斜杆,紧跟着的是该网址所在的域名,也叫主机名称。这块早已为大众所熟知,除了新华网的www.news.cn,还有中央电视台的www.cctv.com、人民日报的www.people.com.cn等等。
3、域名后面以冒号隔开的数字叫做端口号,像http协议默认的端口号是80。如果该网址采取默认的端口,就不必写明端口数字;如果该网址使用了非默认的端口,比如http服务搭建在8080端口之上,就必须在URL中写明8080。
4、域名加上端口号,组成了URL的授权部分,即网址的入口。
5、授权部分的右边包括斜杆在内、问号之前的一长串字符,表示具体的网络路径,犹如操作系统里面的文件目录。
6、问号之后、井号之前的部分,是以等号隔开的请求参数,各参数之间以“&”分隔,具体格式形如“参数A名称=A参数值&参数B名称=B参数值&参数C名称=C参数值”。请求参数中的参数值允许变化,网络服务将按照指定的数值返回相应的结果数据。
7、网络路径加上请求参数,组成了URL的文件名称,有了文件名就能访问该URL所表达的网络资源。
8、井号之后的字串为引用位置,假设一个网页很长很长,打开后默认显示网页的顶部,造成用户下拉网页找到某块区域有点麻烦。而引用位置先给各区域做个编号,然后在URL末尾带上该位置的编号,于是网页打开后会自动滚到指定位置的区域,从而方便了用户的浏览操作。
搞清楚了URL各段部分的作用,有助于后续的网络编程工作。就网址访问而言,Java提供了同名的网址工具URL,该工具类不偏不倚正好名叫URL,其构造方法的输入参数即为网址字符串,此后的HTTP访问操作皆有赖于URL对象。URL工具常用的方法包括但不限于下列几种:
getProtocol:获取URL对象采用的网络协议。
getHost:获取URL对象的域名(主机名称)。
getDefaultPort:获取URL对象的默认端口。http协议的默认端口号是80,ftp协议的默认端口号是21,https协议的默认端口号是443。
getPort:获取URL对象的指定端口(若不显式指定则返回-1)。
getAuthority:获取URL对象的授权部门(由域名和指定端口组成)。
getPath:获取URL对象的路径(不包括域名)。
getQuery:获取URL对象的请求参数。
getFile:获取URL对象的文件名(由路径和请求参数组成)。
getRef:获取URL对象的引用位置。
openConnection:打开URL对象的网络连接,并返回URLConnection连接对象。无论是接口调用,还是上传下载,都依赖于这里的连接对象。

一个完整的网址字符串,包含了蛮多的地址信息,一个字符都错不得。自然程序员很关心网址到底有哪些校验办法,可以支持判断某个网址是合法请求还是非法请求。首先是域名的合法性校验,Java提供了专门的网络地址工具InetAddress,调用该工具的静态方法getByName,能够获得指定域名的网络地址对象,具体的方法调用代码示例如下:

			// 根据域名或IP获得对应的网络地址对象
			InetAddress inet = InetAddress.getByName(host);

 

之后调用网络地址对象的以下方法,即可获取相应的网络地址信息:
getHostAddress:获取网络地址对象的IP地址。
getHostName:获取网络地址对象的域名。
isReachable:检查对方主机是否能连得上。但该方法不可靠,因为可能由于存在防火墙导致返回false。
可见尽管InetAddress提供了isReachable方法用于检测域名的连通性,但该方法并不总能奏效。那么退而求其次,只要校验域名的格式是否正确便行;这样的话,在调用getByName方法之时,增加捕捉未知域名异常UnknownHostException;一旦捕捉到该异常,就认为当前域名是非法域名。此时域名的合法性校验代码变成了下面这样:

	// 测试域名的可用信息。返回true表示域名合法,返回false表示域名非法
	private static boolean testHost(String host) {
		try {
			// 根据域名或IP获得对应的网络地址对象
			InetAddress inet = InetAddress.getByName(host);
		} catch (UnknownHostException e) { // 如果host字符串并非合法的域名/IP,则getByName方法会扔出“未知的域名异常”
			e.printStackTrace();
			return false; // 返回false表示该字符串不是合法的域名/IP
		}
		return true; // 返回true表示该字符串是合法的域名/IP
	}

另一个值得注意的地方是请求参数中的参数值编码,显然URL格式存在部分保留字符,包括冒号、斜杆、问号、井号等等,这些字符不应直接出现在Query部分的参数值当中,故而需要对参数值里面的保留字符进行转义。常见字符对应的URL转义符如下图所示:


除了保留字符以外,中文字符一样需要转义,比如“你”要转为“%E4%BD%A0”。原始字符的转义过程也称作URL编码,反过来则有反转义过程,即将转义后的字符恢复为原始字符,反转义过程也称作URL解码。Java同时提供了对应的URL编码工具URLEncoder,以及URL解码工具URLDecoder,其中URL编码的方法调用示例如下:

		// 获得URL编码后的转义字符串
		String encoded = URLEncoder.encode(origin);

 

URL解码的方法调用示例如下:

		// 获得URL解码后的原始字符串
		String origin = URLDecoder.decode(encoded);

 


更多Java技术文章参见《Java开发笔记(序)章节目录

posted @ 2019-06-05 21:15  pinlantu  阅读(588)  评论(0编辑  收藏  举报