URL是如何解析的

時間 2019-11-13

標籤 url 如何解析欄目 HTTP/TCP 简体版

原文原文鏈接

URL就是咱們每天使用的網址,英文全稱叫作uniform resource locator,你能夠把它理解成互聯網上每一個頁面獨一無二的名字.其實也不全是頁面了,好比一些FTP下載資源,或者網頁上的mailto連接,都是使用URL表示的.其實URL就至關於互聯網字典上的索引,這些URL原本是一個個的孤島,被一些資源整合的工具(好比搜索引擎)整合後,使得互聯網得以鏈接,全部的links加起來,就是咱們看到的互聯網了.關於URL的解析其實也是一個很複雜而又麻煩的事情,可不像咱們打開瀏覽器輸入baidu.com而後回車獲得一個輸入框那麼輕鬆.javascript

那麼它到底複雜到哪了,咱們慢慢了解吧...html

關於URL的語法通常是這樣的:java

scheme://[login[:password]@](host_name|host_address)[:port][/hierarchical/path/to/resource[?search_string][#fragment_id]]web

咱們一個一個看:chrome

scheme可不是那個滿屏幕小括號的編程語言,而是方案的意思,其實我認爲能夠理解成打開一個互聯網資源的方式,好比http和ftp就是不一樣的方式,經常使用的scheme包括http,https,ftp,mailto,javascript,file(通常是打開本地瀏覽器能夠打開的資源時使用的),chrome(Chrome瀏覽器特有的).scheme名稱後加一個冒號,標準寫法是在':'前只能出現[a-z][A-Z][0-1]+-.這些字符的,可是不少瀏覽器對於額外的字符也可以解釋,好比下面這樣的HTML代碼,對於Chrome也是能夠解析的:編程

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>scheme</title>
</head>
<body>
    <a href="http:

www.baidu.com">baidu</a>
<a href="javascript&#09;:alert(1);">javascript alert()</a>
</body>
</html>

	在HTML中是TAB的轉移字符,能夠在free-formatter中轉義回來.瀏覽器

不過對於Firefox第二個彈窗代碼就無法使用了,它解釋成了file:///Users/zookeep/Desktop/web/javascript:alert%281%29;一個本地文件的相對路徑地址.服務器

對於Safarier,會把第一個URL解釋成http:%0A%0A//www.baidu.com其中的換行符變成了line feed就沒法打開百度了.編程語言

對於scheme,咱們試試file一個本地可執行文件hello.exe,發現它無法執行文件而是把它下載下來了,看來file方法只能打開瀏覽器能夠識別的格式的文件,好比html,PDF等。工具

而後就是兩個//,若是不寫的話又會怎樣:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>without //</title>
</head>
<body>
    <a href="http:baidu.com">baidu</a>
    <a href="./http:baidu.com">baidu</a>
</body>
</html>

第一個沒有指定目錄，會被解釋成和http://baidu.com同樣的URL，而加上./(表示當前目錄),則會被解釋成一個本地的目錄.

下面是[login[:password]@]用戶的認證信息,這個其實如今用處不大，幾乎沒人會讓用戶這樣驗證，都是表單驗證了.不過這個認證信息選項會讓一些URL看起來很猥瑣，咱們之後再看.

接下來是主機名或者主機IP地址,好比localhost,或者一個域名google.com或者一個IP:http://74.125.130.99(一樣是Google).不過這些常規的寫法你們都明白,那麼一些猥瑣的寫法能夠

是這樣的:

http://0x7f.1
http://017700000001

一樣都是localhost的表示,第一個是把點分十進制第一個127寫成16進制,其餘三個組成一個數字，第二個是把127.0.0.1每個十進制都轉爲8進制而後加個0表示八進制的IP.

對於Google地址 74.125.130.99咱們也能夠這樣寫:

>>> a = '74.125.130.99'
>>> map(hex, map(int, a.split('.')))
['0x4a', '0x7d', '0x82', '0x63']
>>> '.'.join(map(hex, map(int, a.split('.'))))
'0x4a.0x7d.0x82.0x63'

一樣能夠獲得Google的頁面.

或者:

>>> '.'.join(map(oct, map(int, a.split('.'))))
'0112.0175.0202.0143'

也能夠訪問到Google.

對於端口號卻是沒什麼能夠玩的，記住經常使用的http是80, https 是443就好了.

下一個是路徑和資源好比/home/user/index.html這樣的文件,不過如今不少都不顯示文件的後綴了,由於都是動態網站了...

下一個是查詢字符串,這個就頗有用了,好比使用taobao的時候你輸入的查詢內容就會被填充到query中,

好比taobao.com/search?q=html就能在taobao找到你要的寶貝了...

下一個是片斷ID,這個但是個好東西,不過注意它和服務器但是沒有交互的,只是會在當前頁面找到一片內容,由瀏覽器跳到那裏去,

更多的內容能夠參考這裏.

好了,咱們基本上看完了URL的基本解析方式,那麼以下的URL到底會把你帶到哪裏:

http://qq.com&location=12306.com@evil.net
http://a@b@c.com
http://www.sina.com&id=123@0300.0250.01.01

ok,看第一個,這不就是qq嘛,好了,你把它輸入Chrome一看,跑到了evil.net什麼鳥玩意.

第二個,也許會是a@b@c.com,進去看看再說,不過偉大的Chrome把咱們帶到了c.com

第三個,估計是sina網吧...好吧,它把我帶到了個人路由器登陸頁上.這是什麼亂七八糟的?!

其實,URL的解釋是沒錯的,不過咱們忽視了登陸信息罷了,[login[:password]@]

第一個URL中,qq.com&location=12306都被當作了你訪問evil.net的用戶名了

一樣的a@b也被當成c.com的認證消息了,

第三個也是同樣,只不過把域名換成了一個IP地址,更加難以看出真實的hosts是誰.若是再用HTML轉義如下，估計就沒人能看清楚了,哈哈...

不過我發現,萬能的Chrome仍是能夠在你的地址欄中高亮出真實的網址:

只是通常狀況下你們都沒有注意到罷了.

好了,這個使人頭疼的URL解析算是差很少搞明白了.

參考: https://code.google.com/p/browsersec/wiki/Part1

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。