爬虫|URL和URI有什么不一样

日拱一卒|数据挖掘009

展开说URL之前，首先要理解URI的概念。

一、什么是URI？

Web 上每种可用的资源，如 HTML 文档、图像、视频片段、程序等都由一个通用资源标志符(Universal Resource Identifier， URI)进行定位。

URI通常由三部分组成：

• 访问资源的命名机制
• 存放资源的主机名
• 资源自身的名称，由路径表示

除此之外， 如果不是访问特定资源而是对服务器本身发起请求， 可以用一个 * 来代替请求 URI。 下面这个例子是查询 HTTP 服务器端支持的 HTTP 方法种类。

二、什么是URL？

URL是URI的一个子集。它是Uniform Resource Locator的缩写，译为“统一资源定位符”。 即URL可以用来标识一个资源，而且还指明了如何定位这个资源。

。采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。

URL的一般格式为(带方括号[]的为可选项)：
protocol :// hostname[:port] / path / [;parameters][?query]#fragment

URL的格式由三部分组成：

• 第一部分是协议(或称为服务方式)
• 第二部分是存有该资源的主机IP地址(有时也包括端口号)
• 第三部分是主机资源的具体地址，如目录和文件名等

第一部分和第二部分用“://”符号隔开，
第二部分和第三部分用“/”符号隔开。
第一部分和第二部分是不可缺少的，第三部分有时可以省略。

1.HTTP协议的URL示例：

2.文件的URL
用URL表示文件时，服务器方式用file表示，后面要有主机IP地址、文件的存取路 径(即目录)和文件名等信息。有时可以省略目录和文件名，但“/”符号不能省略。

三、URL和URI的区别

URL是URI的子集。

URI的定义是：统一资源标识符，而URL的定义是：统一资源定位符。

爬虫最主要的处理对象就是URL，它根据URL地址取得所需要的文件内容，然后对它进行进一步的处理。因此，准确地理解URL对理解网络爬虫至关重要。