一条HTTP请求的生命周期（一）-- URL《网络是怎么连接的》第一章介绍了从URL解析到委托协议栈发送消息。需深入理

粗读《网络是怎么连接的》的第一章，讲述了从应用程序，解析URL到委托给操作系统的大致流程

解析 URL, 生成 HTTP 消息
向 DNS 服务器获取 web server IP
全球 DNS 服务器大接力
委托协议栈发送消息

其中涉及到很多的概念：URL HTTP DNS Socket 协议栈。

逐一的探索一下。

URL

URL: Uniform Resource Locators（URLs）, 通过 Internet 定位和访问资源。

URL 规范源自 World-Wide Web global information initiative(万维网全球信息倡议)

1. URL 的主要组成部分

URL 协议格式：<scheme>:<scheme-specific-part>
scheme：url 方案名称，例如：http ftp
例如：www.w3.org/

方案名称由以下字符组成组成：字母(a~z) 数字 + . - 不分大小写。

2. URL 字符编码问题

使用 US-ASCII 
<scheme>://<net_loc>/<path>;<params>?<query>#<fragment>

2.1 保留字符

";" | "/" | "?" | ":" | "@" |
"&" | "=" | "+" | "$" | "," |

2.2 非保留字符

可直接在url中使用

unreserved = alphanum | mark
alphanum = 字母 | 数字
mark =  "-" | "_" | "." | "!" | "~" | "*" | "'" | "(" | ")"
忽略大小写

2.3 URI和非ascii字符

转换公式
URI character sequence->octet sequence->original character sequence
URI 字符序列 -> octet序列(US-ASCII) -> 原始序列
octet: 8bit, 2^8=256

"a" 表示 octet 97 (decimal)
%0a 表示 octet 10 (decimal)

%E4%BD%A0%E5%A5%BD --> 你好
一个字符对应三组一般是 UTF-8

Unicode/UTF-8-character table

国家标准|GB 18030-2005 (samr.gov.cn)

2.4 URI 中不允许使用的 US-ASCII 字符

不允许使用的字符以及理由

control     = <US-ASCII coded characters 00-1F and 7F hexadecimal>
1. 不可打印 
2. 会被某些控制机制误解

space       = <US-ASCII coded character 20 hexadecimal>
1. 很多上下文中空格用于分隔URI
2. 多一个空格少一个空格不容易被察觉

delims      = "<" | ">" | "#" | "%" | "双引号 |
<>" 常在文档中用作 URI 的分隔符
#  在URI中表示 fragment identifier 的分隔符
%  转移字符

unwise      = "{" | "}" | "|" | "\" | "^" | "[" | "]" | "`"
gateways 或其他 transport proxy 会修改他们或把他们当分隔符

3. 具体方案（scheme）

使用BNF语法定义

ftp                     File Transfer protocol
http                    Hypertext Transfer Protocol
file                    Host-specific file names
telnet                  Reference to interactive sessions
...

3.1 通用Internet方案语法

//<user>:<password>@<host>:<port>/<url-path>

3.2 HTTP

http://<user>:<password>@<host>:<port>/<path>?<searchpart>
user password 可选
默认端口：80
path 可选
searchpart 可选

3.3 ftp

默认端口：21
ftp://<user>:<password>@<host>:<port>/<cwd1>/<cwd2>/.../<cwdN>/<name>;type=<typecode>

3.3.1. FTP url-path

url-path 可忽略

格式：
<cwd1>/<cwd2>/.../<cwdN>/<name>;type=<typecode>
typecode：枚举值 a i d

一条HTTP请求的生命周期（一）-- URL

URL