URL 是如何工作的:结构、编码、查询参数与片段
你点的每个链接都是一本小小的说明书。学会读懂 URL 的每一部分——协议、主机、端口、路径、查询参数、片段,以及百分号编码如何保护特殊字符。
你将学到什么
- 逐段读懂任意 URL,说出每部分的作用
- 知道哪些字符必须做百分号编码——以及为什么
- 区分查询字符串和片段,并知道服务器能看到哪一个
- 分辨 encodeURI 和 encodeURIComponent 的区别
- 避免破坏链接和 API 的双重编码问题
- URL 的结构
- 协议、主机与端口
- 路径、查询字符串与片段
- 百分号编码:为什么 %20 表示空格
- 相对 URL 与绝对 URL
- 常见错误
- 试一试:URL Encoder
- 常见问题
URL 的结构
URL 是一个有着固定语法的地址。把下面这个拆开看看:
https://user:pass@example.com:8080/path/to/page?query=1&x=2#section └─┬──┘ └────┬────┘ └────┬────┘ └┬┘ └─────┬─────┘ └────┬────┘ └──┬───┘ scheme userinfo host port path query fragment
| 部分 | 作用 |
|---|---|
scheme | 如何连接: https, http, ftp, mailto. https 表示通过 TLS 加密的 HTTP。 |
userinfo | 可选 user:password@ 凭据。如今在网上很少见——而且是经典的钓鱼手法,因为 https://google.com@evil.com 实际访问的是 evil.com. |
host | 域名(由 DNS 解析)或 IP 地址。不区分大小写。 |
port | 可选。HTTPS 默认 443,HTTP 默认 80——使用默认值时浏览器会隐藏它们。 |
path | 服务器上的哪个资源。大多数服务器区分大小写: /Page 和 /page 可能是不同的页面。 |
query | 后面的键值数据 ?,用……连接 &。搜索词、筛选条件、追踪代码都在这里。 |
fragment | 在……之后 #:页面内的一个位置。只由浏览器处理——永远不会发给服务器。 |
协议、主机与端口
协议决定了规则。 https:// 会加密连接; http:// 不会,你发送的任何东西都可能在网络上被读取。现代浏览器正是因为这个原因,才会在登录和支付页面上对纯 HTTP 发出警告。
主机是一个域名,DNS 会在建立任何连接之前把它变成 IP 地址——这一步在我们的 DNS 指南里有介绍。端口是更精细的地址:一台服务器可以在一个 IP 上运行多个服务,每个服务一个端口。按惯例,网络流量用 80/443 端口,这就是你几乎从不在链接里看到端口的原因。
路径、查询字符串与片段
这里的 路径 是服务器用来路由的部分: /guides/what-is-dns 意思是“指南”栏目下的“DNS”页面”。尾随斜杠比看起来重要得多—— /guides 和 /guides/ 可能是不同的资源,服务器常常会把其中一个重定向到另一个。
这里的 查询字符串 是数据,不是地址: ?q=shoes&sort=price 是向服务器要按价格排序的鞋子。参数的顺序通常不重要,但重复的键(?tag=a&tag=b)确实会出现,服务器处理它们的方式各不相同——有的取第一个,有的取最后一个,有的当作列表处理。
这里的 片段 (#section)永远不会离开你的浏览器。它会滚动到锚点,或驱动单页应用的视图。这有两个后果:片段不影响服务器返回的内容,也不会出现在服务器日志里——这就是为什么把状态放在片段里的“分享链接”既可以很私密,也可能让人困惑。
百分号编码:为什么 %20 表示空格
URL 里只能包含有限的字符集。其他所有字符——空格、非英文字符、 &, =, ? 出现在值里面时——都必须 百分号编码:替换为 % 加上它字节值的两位十六进制数字。空格是字节 0x20,所以它变成 %20.
| 字符 | 编码后 | 原因 |
|---|---|---|
| 空格 | %20 | URL 里完全不允许出现 |
& | %26 | 会拆散查询参数 |
= | %3D | 会把键和值拆开 |
? | %3F | 会开启一个新的查询字符串 |
# | %23 | 会开启一个片段 |
% | %25 | 转义字符本身 |
| é / 中 | %C3%A9 / %E4%B8%AD | UTF-8 字节,每个都做百分号编码 |
在 JavaScript 里有两个编码器,它们不能互换: encodeURI() 编码整个 URL,但会保留 : / ? & = # 不动(它们是结构性的); encodeURIComponent() 编码单个值,也会把那些字符转义。用 encodeURIComponent 编码整个 URL 会毁掉它;用 encodeURI 会在里面留下一个 & ,把你的参数一分为二。
+ 陷阱。 在查询字符串中, + 传统上表示空格(源自 HTML 表单),但在路径中 + 就是一个字面上的加号。如果你的代码把 + 到处都解码为空格,像 C++ 这样的文件名就会变成 C 。只把 + 在查询字符串中解码为空格。相对 URL 与绝对 URL
一个 绝对 URL 包含一切(https://veryusefultools.com/guides/)。一个 相对 URL 会从当前页面借用缺失的部分: what-is-dns.html (同一文件夹)、 ../index.html (上一级文件夹)、 /guides/ (从网站根目录开始)。相对链接让网站保持可移植——把整个网站搬到新域名下,所有内部链接仍然有效。绝对链接则是你分享给别人用的。
常见错误
- 双重编码。 把已经编码过的值再编码一次,会把
%20变成%2520(%本身也被编码了)。服务器只解码一次,看到的仍然是%20,把它当作字面文本。只编码一次,而且越晚编码越好。 - 用 encodeURIComponent 编码整个 URL。 这里的
://和/都会被转义,链接就坏了。 - 把机密放进查询字符串。 URL 会被服务器、代理和分析工具记录,还会被分享在截图里。令牌和密码属于请求头或 POST 请求体,绝不应该出现在链接里。
- 以为路径不区分大小写。 主机不区分大小写;路径通常区分。
- 轻信 @ 之前的文字。
https://paypal.com@evil.com实际访问的是evil.com。要看主机名——最后一个@之后、下一个/.
试一试:URL Encoder
把一个乱七八糟的 URL 粘贴到 URL Encoder 里,看着每个字符被编码——再把它解码回来。这是在你自己的链接上看到百分号编码工作的最快方法。
继续学习
常见问题
URL、URI 和 URN 有什么区别?
URI 是通用概念:任何资源的标识符。URL 是一种 URI,它还告诉你如何到达它(一个位置)。URN 是一种 URI,它只给事物命名而不说它在哪里,比如 urn:isbn:9780134685991。每个 URL 都是 URI,但不是每个 URI 都是 URL。
URL 能有多长?
标准没有设定上限,但浏览器有——老版 Internet Explorer 大约 2000 个字符,现代 Chrome 约 8000 个以上。长 URL 在邮件和聊天里也容易断开。如果你的查询字符串长到几百个字符以上,改用 POST 请求体发送数据。
URL 里能包含中文、阿拉伯文或 emoji 吗?
可以——浏览器会显示它们,但底层是经过百分号编码的 UTF-8 字节(域名则使用 punycode,例如 中国对应 xn--fiqs8s)。复制一个带非英文字符的链接,你会在剪贴板里看到编码后的形式。
为什么有的链接用 %20 表示空格,有的用 +?
在查询字符串里,两者都表示“空格”,只是来源不同:%20 是百分号编码,+ 来自 HTML 表单编码。在路径里,只有 %20 是正确的——那里的 + 就是一个字面上的加号。
片段(#…)会发给服务器吗?
不会。浏览器会在发起请求之前把它去掉。这就是为什么单页应用可以把视图状态存在片段里而服务器永远看不到——也是为什么带片段的分享链接有时无法重现发送者看到的样子。