URL的結構，關於這方面的blog也能一搜一大把。。。最近也在看方面的基礎，也記錄下。。。
參考：Web之困
- 什么是URL
URL(Uniform Resource Locator)統一資源定位符，就是由一串簡單的文本字符組成。一條符合規范的URL對應的是服務器的一個特定的資源(如HTML頁面，一張圖片等)。
| Scheme: |
// |
Login:password@ |
Address |
:port |
/path/to/resource |
?query_string |
#fragment |
按照完整的URL的結構定義，一共分成上述8個部分，其中各部分有着一定的特征，並且有些部分是必須的，有些是可選的。而標准的定義與瀏覽器對這些標准的實現又有着很大的差異。
Scheme部分：協議部分。
協議名稱是由一串不區分大小寫的字母組成，以 : 作為結束符。協議所表示的是獲取該資源需要使用的協議。如HTTP、HTTPS等。而瀏覽器將支持一些額外的協議，如data:和javascript:等。
//部分：層級URL標識符號
基本上每個URL中都會包含這個符號，是固定的；可以理解為把協議與后面的信息進行分隔開的一個符號。按照書上的說明，一個好處是Web應用無需關注某個協議的具體實現，而只需要關注於’//’符號后面的指向地址即可。
但是也存在這非層級結構的URL：例如，mailto:協議。當使用
mailto:user@example.com?....的時候，該URL將能夠傳遞到默認的郵件客戶端程序而無需其他的解析。
Login:password@部分：身份驗證
其實這一塊信息我們看到的比較少，這是一個可選部分，一般的協議(http\https之類)都會使用默認的匿名形式進行數據獲取，該部分使用的是@作為該部分的結束符號。
Address部分：服務器地址
這是一個很關鍵的部分，這關系到你需要從哪個服務器上去獲取資源。而我們看到的比較多的是這部分以域名(htc.org)的形式呈現，還有以Ipv4(220.181.111.188)的地址呈現。當然也能夠以Ipv6的形式呈現。
按照標准的描述是這部分只能用：數字、“.”、“-”組成。但瀏覽器對這支持的字符會比較多。
Port部分： 服務器端口
這里是屬於網絡端口，16位， 因此可選為[0~2^16)，這里的端口並不是物理端口，而是邏輯端口；只要是為了處理多進程時數據進行傳輸的時候，保證各進程中數據不會發生紊亂，能夠傳送到相應的進程中所設定的（參考：http://baike.baidu.com/link?url=MDeMzLjNepWAvUUhGaHPFZMnUk8z3oFGIVz_qqPkOr_HEFxGDf6Gf5pdJd7lVc_XOAfgta2D0augSiFRadL0Kq）
不同網絡協議都有自己特定的端口號：如http 80
/path/to/resource：文件路徑
前面提到的URL指向的是一個唯一確定的資源，而這里指向的是資源的完整路徑（即存儲的位置），一般都是用 / 進行分層描述。
?query_string：查詢字符串
這里的查詢字符串是用於參數傳遞給服務器端。但標准沒有對這一部分有着特別嚴格的規定。這一部分是以 ? 開始作為標識，而現在一般的用法都是類似於以下的形式，?name=hello&id=5&… ,並且這種用法也被服務器端語言（如PHP等）所支持，如PHP獲取該查詢值的方法是：
$_GET['id'] $_POST['id']
#fragment: 片段ID
該部分與上面的?后面的表單信息本質的區別就是這部分內容不會被傳遞到服務器端。一般用於頁面的錨。就是我們常見的網站右下腳一般有一個回到頂部的按鈕，一般就是使用其實現的。
例如：
<!DOCTYPE HTML>
<html>
<head>
<title> return </title>
<script>
function file(){ var xx = "hello<br/>world<br/>" ; for( var i = 0; i < 100; i++ ){ xx += "<br/>" ; } xx += "ni<br/>hao<br/>" ; document.getElementById('aa').innerHTML = xx ; } </script>
</head>
<body onload = "file();">
<p> nihao </p>
<br>
<br>
<a name='hello'> hello hello hello </a> <br/>
<p id = 'aa'>
</p>
<a href="#hello"> 返回HELLO </a>
<a href="#" target="_self">返回頂部</a>
</body>
</html>
Python獲取URL並處理
參考：
http://www.cnblogs.com/qq78292959/archive/2013/04/07/3005763.html
http://my.oschina.net/guol/blog/95699
python里面獲取這一部分信息使用的是urlparse模塊。
解析成為6部分，返回元組(scheme, netloc, path, parameters, query, fragment)
| Scheme: |
// |
Login:password@ |
Address |
:port |
/path/to/resource |
?query_string |
#fragment |
from urlparse import urlparse url = "https://www.zhangsanlisi.com/questions/1000;hello_world?id=10&name=zhangsan#hello" end_url = urlparse(url) print end_url
可以與上面對應，其中netloc描述的是包括驗證信息+服務器地址+端口號；而params用的比較少，基本上比較難看到，用於指定特定的參數，參考（http://blog.csdn.net/yueguanghaidao/article/details/16368399）
用；（分號）作為開始標識。