URI (3)

URI 之 URL 语法

URL 语法图：

图片来源

根据图片，我们可以知道所谓的 URL ，是由 scheme、userinfo、host、port、path、query 及 fragment 组成，我们将这些元素，分成以下五个类别：
```
scheme:[//authority]path[?query][#fragment]
```
1. scheme： 传送协定，例如：http、https、ftp、mailto、file、data 等，更多协定可至这边参考。以捷运站举例，这边是叙述你用什麽方法到这捷运站。
2. authority（optional）： 存取资源需要的凭证资讯，在 URI 语法中此部分是可省略的。
  - 语法为：
```
[userinfo@]host[:port]
```
  - userinfo（optional）： 就是使用者名称及密码，格式为以下。以捷运站举例，这个捷运站普通人不能随便进去，你进去前要先验明身分。
```
username:password
```
  - host： 资源点的 Domain name 或是 IP address。以捷运站举例，捷运站名就是 Domain name，捷运站地址就是 IP address。
  - port（optional）： 当要访问某个资源点时，必须通过这个 port 来存取，若是走预设值，则可省略不写。像是我们的浏览器就没有显示 port，因为是走预设的 80 （http）或 443 port（https）。以捷运站举例，port 就像是捷运站的出入口一样。
  - 用法： 比方说我们要存取某个不公开的 ftp server，存取该资源需要输入凭证资讯
```
ftp://iThome:[email protected]:21/
```
3. path： 路径（以「/」字元区别路径中的每一个目录名称）。
4. query（optional）： 查询（以「?」字元为起点，每个参数以「&」隔开，再以「=」分开参数名称与资料，通常以UTF-8的URL编码，避开字元冲突的问题）。简单讲，就是传递参数。
  - 例如：
```
https://www.example.com/user?name=example
```
5. fragment（optional）： 导向的锚点，例如：将网页的画面导向至指定的锚点位置。

HTTP / HTTPS 的 URL

对 URL 语法有了解之後，这边将以 HTTP / HTTPS 协定的 URL 为范例，这部份则是爬虫最常用到的。

我们用 iThome 来做说明：
```
https://www.ithome.com.tw/
```
- https 传输协定。
- www.ithome.com.tw 为 authority 范围中的 domain name，其余被省略。
- port 实际为 443，但因为是走预设值所以在这边被省略。
- path 则为 "/"，root 的意思。

目前我们对 URI 家族有基本上的了解了，刚刚有提到，当我们要访问一个服务时，必须通过 port 来存取资源，那这个 port 的定义是什麽？HTTP 传输协定，又是什麽呢？後续将一一来介绍，这些可是在规划爬虫时，息息相关的知识喔！