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*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》