Java魔法堂：URI、URL（含URL Protocol Handler）和URN - fsjohnhuang－IT工程師數位筆記本

文章出處

一、前言　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

過去一直搞不清什么是URI什么是URL，現在是時候好好弄清楚它們了！本文作為學習筆記，以便日后查詢，若有紕漏請大家指正！

二、從URI說起　　　　　　　　　　　　　　　　　　　　　　　　　　

1. 概念

URI（Uniform Resource Identifier，統一資源標識符）以字符串來表示某種資源的統一資源標識。

格式為： [scheme:]scheme-specific-part[#fragment]

[scheme:]組件，URI的名稱空間標識。

scheme-specific-part組件，用于標識資源，內部格式由具體的 scheme 來決定。

[#fragment]組件，井號(#)作為fragment組件的起始字符，而fragment組件則用于聚焦到資源的某個部分。

2. 絕對URI和相對URI

絕對URI：以scheme組件起始的完整格式，如http://fsjohnhuang.cnblogs.com。表示以對標識出現的環境無依賴的方式引用資源。

相對URI：不以scheme組件起始的非完整格式，如fsjohnhuang.cnblogs.com。表示以對依賴標識出現的環境有依賴的方式引用資源。

實例：當前頁面地址為http://fsjohnuang.cnblogs.com

// html snippet
<a id="test" href="test.com">test.com</a>

// js snippet
<script>
  var href = document.getElementById('test').href
  console.log(href) // 顯示 http://test.com
</script>

3. 不透明URI和分層URI

不透明URI：scheme-specific-part組件不是以正斜杠(/)起始的，如mailto:fsjohnhuang@xxx.com。由于不透明URI無需進行分解操作，因此不會對scheme-specific-part組件進行有效性驗證。

分層URI：scheme-specific-part組件是以正斜杠(/)起始的，如http://fsjohnhuang.com。

scheme-specific-part組件格式為： [//authority][path][?query]

[//authority] ，表示授權機構組件，以一對正斜杠(//)起始，可以基于主機(server-based)或注冊(registry-based)（而基于注冊相對基于主機的數目較少），并以正斜杠、問號或無后續字符作為authority組件的結束。而authority組件的具體格式為 [userinfo@]host[:port] 。

　　 [userinfo@] ，用戶賬號。

　　　　 host ，主機IP或域名。

　　　　 [:port] ，通信端口號，若省略則使用相應的scheme組件的默認端口號。

示例： http://fsjohnhuang@github.com:80/

[path] ，path組件表示根據authority組件識別資源的位置。path組件有一系列的路徑片段(path segment)構成，路徑片段間以正斜杠(/)作為分隔符。若第一個路徑片段以正斜杠(/)起始則為絕對路徑，否則稱為相對路徑。

[?query] ，query組件用于識別要傳遞給資源的數據，用于影響資源的響應的行為。

4. 標準化(Normalization)、解析化(Resolution)和相對化(Relativization)

標準化(Normalization)：其實就是去除path組件中當前層(.)和上一層(..)這些冗余字符。如z/../y標準化為y。

解析化(Resolution)：以URI A作為基本URI來和另外一個URI一同解析為一個新的標準URI。如http://fsjohnhuang.com作為基本URI和z/../y一同解析成http://fsjohnhuang.com/y。

相對化(Relativization)：相對化其實就是解析化的相反操作。如http://fsjohnhuang.com作為基本URI和http://fsjohnhuang.com/z來作相對化操作得到/z。

到這里我們可能會認為這不就跟平常的網站地址一樣嗎？為啥大家叫網站地址為URL，而不是URI呢？

互聯網之父Tim Berners-Lee引入用于識別、定位和命名互聯網資源的途徑——URI、URL和URN。三者彼此關聯，URI的范疇位于體系的頂層，URL和URN的范疇位于體系的底層。

URI：Uniform Resource Identifier，統一資源標識符；
URL：Uniform Resource Locator，統一資源定位符；
URN：Uniform Resource Name，統一資源名稱。

上圖可知URL和URN必須是URI，但URI卻不一定是URL或URN。

URI僅僅是資源名稱而已，知道了URI最多就是知道有這么一個名稱的資源罷了，至于如何獲取（與資源作交互）則是毫無頭緒（不能定位或讀取/寫入資源），而這個資源名稱是永久持有還是暫時持有也沒有相應的規定，于是就有了URL和URN兩個子集。

首先URL和URN均繼承了URI格式中的各組件，然后在這基礎上進行了各自的擴展？

URL

URL = URI（scheme組件為部分已知的網絡協議的URI子集） + 與scheme組件標識的網絡協議匹配的協議處理器（URL Protocol Handler)

1. URI的scheme組件在URL中稱為protocol組件，一般http、https、ftp、file、data、jar等。

2. URL Protocol Handler則是一種資源定位器和根據協議建立的約束規則與資源通信的讀寫機制，用于定位、讀寫資源。

如：安裝迅雷后點擊ed2k的迅雷種子時則會自動打開迅雷下載界面，這是為什么呢？

迅雷種子就是資源，而ed2k就是資源URL的protocol組件，而迅雷就是URL Protocol Handler。而protocol組件與URL Protocol Handler間的映射關系在windows下則存放在注冊表中，而Ubuntu中存放在/usr/share/applications/.desktop中。

windows7下

①. 快捷鍵“開始”+r 彈出運行輸入框，輸入regedit進入注冊表；

　　　　 ②. 進入HKEY_CURRENT_USER/Software/Classes目錄下；

　　 ③. ed2k目錄下包含shell/Open/command目錄，右側窗口有一個條名稱為URL Protocol的REG_SZ記錄，表示這是一個URL Protocol記錄（沒有這一條記錄也不會有影響）

④. 點擊command目錄后，右側窗口有一條REG_SZ類型記錄，數據列為"C:\Program Files (x86)\Thunder Network\Thunder\Program\ThunderNewTask.exe" "%1" 表示ThunderNewTask.exe作為URL Protocol Handler，而%1則是傳遞給Handler處理的URL。

　　　　 ⑤. 其實ed2k中還少了一個DefaultIcon目錄，該目錄下有一個REG_SZ類型的記錄，用于指定該類型協議文件的圖標。

ubuntu下

　　　　　　在/usr/share/applications/.desktop文件下添加如下內容

[Desktop Entry]
Encoding=UTF-8
Version=1.0
Type=Application
Terminal=false
Exec=/usr/bin/cloudjerun -c %u
Name=tunesview
Comment=Small, easy-to-use program to access iTunesU media
Icon=/usr/share/icons/hicolor/scalable/apps/tunesview.svg
Categories=Application;Network;
MimeType=x-scheme-handler/cloudje;

Exec鍵值的占位符表：

Add...  Accepts...
%f      a single filename.
%F      multiple filenames.
%u      a single URL.
%U      multiple URLs.
%d      a single directory. Used in conjunction with %f to locate a file.
%D      multiple directories. Used in conjunction with %F to locate files.
%n      a single filename without a path.
%N      multiple filenames without paths.
%k      a URI or local filename of the location of the desktop file.
%v      the name of the Device entry.

3. URL與資源地址關聯，當資源位置變更后，URL也需要被修改。

URN

URN = URI（scheme組件為部分已知的網絡協議的URI子集） + 與scheme組件標識的網絡協議匹配的協議處理器（URL Protocol Handler) + 持久性/地址無關性

URN用于持久性地標識Internet資源，即使資源已經不存在或不可用時依然保持不變，通過實際的持久性策略實現資源位置發生變化也不用修改URI（地址無關性）。然而通過持久性策略還可以實現一條URN對應N條URI，如BT中的磁力鏈接（Magnet URI scheme）。

如：magnet:?xt=urn:btih:4D9FA761D69964B00DF0B3B0C9C1F968EA6C47D0&xt=urn:ed2k:7655dbacff9395e579c4c9cb49cbec0e&dn=bbb_sunflower_2160p_30fps_stereo_abl.mp4

說了這么多是時候總結一下URI、URL和URN的關聯和區別了！

1. 首先URI是基礎，URL和URN均屬于URI；

2. URL = URI（scheme組件為部分已知的網絡協議的URI子集） + 與scheme組件標識的網絡協議匹配的協議處理器（URL Protocol Handler)；

3. URN突出的是持久化，通過具體的持久化策略實現地址無關性。 URN = URI（scheme組件為部分已知的網絡協議的URI子集） + 與scheme組件標識的網絡協議匹配的協議處理器（URL Protocol Handler) + 持久性/地址無關性。

四、java.net.URI類和java.net.URL類　　　　　　　　　　　　　

java當中對URI和URL單獨提供java.net.URI和java.netURL兩個操作類。

java.net.URI中主要提供以下功能：

1. 驗證URI格式

構造函數URI(String str)，若格式不正確則拋出URISyntaxException
URI.create(String str)，若格式不正確則拋出unchecked的IllegalArgumentException

2. 提取URI各組件

getAuthority()
getFragment()
getHost()
getPath()
getPort()
getQuery()
getScheme()
getSchemeSpecificPart()
getUserInfo()

3. 標準化、解析化和相對化

normalize()，，返回符合標準的URI新對象。如`x/y/../z/./q`->`x/z/q`
resolve(String/URI uri)，進行反向解析，以入參作為相對URI，以resolve方法所屬對象作為基本URI來得到一個新的標準的URI對象
relativize(URI uri)，相對化操作，就是獲取URI中的相對URI

實例：
URI uriBase = new URI("http://www.somedomain.com");
URI uriRelative = new URI("x/../y");
URI uriResolve = uriBase.resolve(uriRelative); // http://www.somedomain.com/y
URI uriRelativized = uriBase.relativize(uriResolve); // y

4. 將URI轉成URL

URI#toURL()，將URI轉換為URL。

注意：不含任何搜索和讀寫資源的操作。

　java.net.URL中主要提供以下功能：

URL類是依據URL Protocol Handler來處理URL字符串的，若沒有相應的協議處理器則拋MalformedURLException。

內置提供http、https、ftp、file和jar協議的URL Protocol Handler。而其他協議的處理器則需開發者自行繼承URLStreamHandler來實現了。處理流程如下：

1. 查看處理器緩存HashTable handlers，若存在緩存項則直接返回；

2. 若緩存中沒有則查看是否有URLStreamHandlerFactory實例，若存在則調用其createURLStreamHandler(String protocol)。默認情況下URLStreamHandlerFactory實例為null；

3. 若2中返回null，則通過系統屬性java.protocol.handler.pkgs獲取以|分隔的包名列表，然后逐一檢查是否存在繼承了URLStreamHandler的<package>.<protocol>.Handler類，有則返回，無則繼續遍歷；

4. 若3中遍歷失敗，則檢查是否存在繼承了URLStreamHandler的<system default package>.<protocol>.Handler的內置類。

5. 上述均失敗則拋出MalformedURLException。

類URL中除了提供獲取各組件的方法外，還提供了讀寫資源的方法如 InputStream openStream() 。下面我們通過URL類來讀取t.txt文本文件的內容。

class Main{
  static void main(String[] args) throws IOException, MalformedURLException{
    String path1 = "d:\\t.txt"
    　　, path2 = "file:/d:/t.txt";
    Main main = new Main();
    main.readByFr(path1);
    main.readByUrl(path2);
  }

  // 通過FileInputStream的寫法
  void readByFr(String path) throws IOException{
    FileReader fr = new FileReader(path);
    try{
      int buf;
      while (-1 != buf){
        buf = fr.read();
        System.out.print((char)buf);
      }
    }finally{
        fr.close();
    }
  }

　 // 通過URL的寫法
   void readByURL(String path) throws MalformedURLException, IOException{
      URL url = new URL(path);
      InputStreamReader reader = new InputStreamReader(url.openStream());
　　　 try{
      　　int buf;
　　      while (-1 != buf){
　　   　     buf = reader.read();
   　　  　   System.out.print((char)buf);
　　　　　　}
      }
      finally{
   　　     reader.close();
　　   }
   }
}