這幾天一直在做網路管理；其中有一塊需要設計一個後臺的下載程式，本來想使用呼叫系統命令，但考慮到會多開兩個程序，於是自己用socket寫了一個下載程式，其中關鍵部分就是對下載連結url的解析。

統一資源定位符 (Uniform Resource Locator, URL)  
是用於完整地描述Internet上網頁和其他資源的地址的一種標識方法。
Internet上的每一個網頁都具有一個唯一的名稱標識，通常稱之為URL地址，這種地址可以是本地磁碟，也可以是區域網上的某一臺計算機，更多的是Internet上的站點。簡單地說，URL就是Web地址，俗稱“網址”。
 
URI 方案集，包含如何訪問 Internet 上的資源的明確指令。
 
URL 是統一的，因為它們採用相同的基本語法，無論定址哪種特定型別的資源（網頁、新聞組）或描述通過哪種機制獲取該資源。  
 
對於 Internet 伺服器或全球資訊網伺服器上的目標檔案，可以使用“統一資源定位符 (URL)”地址（該地址以“http://”開始）。Web 伺服器使用“超文字傳輸協議 (HTTP)”，一種“幕後的”Internet 資訊傳輸協議。例如，http://www.microsoft.com/ 為 Microsoft 網站的全球資訊網 URL 地址。  
 
URL的一般格式為(帶方括號[]的為可選項)：
 
protocol :// hostname[:port] / path / [;parameters][?query]#fragment  
 
例如：
 
http://www.imailtone.com:80/WebApplication1/WebForm1.aspx?name=tom&;age=20#resume
 
格式說明：
 
1、protocol（協議）：指定使用的傳輸協議，下表列出 protocol 屬性的有效方案名稱。 最常用的是HTTP協議，它也是目前WWW中應用最廣的協議。  
 
file  資源是本地計算機上的檔案。格式file://  
ftp   通過 FTP訪問資源。格式 FTP://
gopher 通過 Gopher 協議訪問該資源。  
http  通過 HTTP 訪問該資源。 格式 HTTP://  
https  通過安全的 HTTPS 訪問該資源。  格式 target=_blank>HTTPS://
 
mailto 資源為電子郵件地址，通過 SMTP 訪問。 格式 mailto:
MMS  通過 支援MMS（流媒體）協議的播放該資源。（代表軟體：Windows Media Player）格式 MMS://
ed2k  通過 支援ed2k（專用下載連結）協議的P2P軟體訪問該資源。（代表軟體：電驢） 格式 ed2k://
Flashget  通過 支援Flashget:（專用下載連結）協議的P2P軟體訪問該資源。（代表軟體：快車） 格式 Flashget://
thunder  通過 支援thunder（專用下載連結）協議的P2P軟體訪問該資源。（代表軟體：迅雷） 格式 thunder://
news  通過 NNTP 訪問該資源。  
 
2、hostname（主機名）：是指存放資源的伺服器的域名系統 (DNS) 主機名或 IP 地址。有時，在主機名前也可以包含連線到伺服器所需的使用者名稱和密碼（格式：

[email protected]）。
 
3、:port（埠號）：整數，可選，省略時使用方案的預設埠，各種傳輸協議都有預設的埠號，如http的預設埠為80。如果輸入時省略，則使用預設埠號。有時候出於安全或其他考慮，可以在伺服器上對埠進行重定義，即採用非標準埠號，此時，URL中就不能省略埠號這一項。
 
4、path（路徑）：由零或多個“/”符號隔開的字串，一般用來表示主機上的一個目錄或檔案地址。
 
5、;parameters（引數）：這是用於指定特殊引數的可選項。
 
6、?query(查詢)：可選，用於給動態網頁（如使用CGI、ISAPI、PHP/JSP/ASP/ASP.NET等技術製作的網頁）傳遞引數，可有多個引數，用“&”符號隔開，每個引數的名和值用“=”符號隔開。
 
7、fragment，資訊片斷，字串，用於指定網路資源中的片斷。例如一個網頁中有多個名詞解釋，可使用fragment直接定位到某一名詞解釋。
 
注意，Windows 主機不區分 URL 大小寫，但是，Unix/Linux 主機區分大小寫。
 
有些符號在URL中是不能直接傳遞的，如果要在URL中傳遞這些特殊符號，那麼就要使用他們的編碼了。下表中列出了一些URL特殊符號及編碼。
十六進位制值  
1. +       URL 中+號表示空格                        %2B  
2. 空格   URL中的空格可以用+號或者編碼      %20  
3. /        分隔目錄和子目錄                          %2F  
4. ?       分隔實際的 URL 和引數                  %3F  
5. %     指定特殊字元                                %25  
6. #      表示書籤                                      %23  
7. &      URL 中指定的引數間的分隔符        %26  
8. =      URL 中指定引數的值                     %3D  
 
 
網站URL規範與網站結構分析
 
談到網站URL和網站結構時，大家似乎覺得這兩個問題很簡單，從技術和理論角度分析，確實簡單；但是從網站長期運營和搜尋引擎友好方面去分析，網站URL和結構已經成為網站搜尋引擎友好的最大基礎性問題，網站URL和結構問題，早發現早優化，越是往後放，最後就成了制約網站運營和產品開發的決定性因素。
 
URL規範：
 
URL分為靜態URL和動態URL，網站不管採用靜態URL，還是動態URL，最後URL連結都要與具體對應頁面發生關係，換句話說是頁面狀態決定了動態URL，還是靜態URL，事實上頁面本身完全可以不存在，內容存放在資料庫中，如果資料庫內容沒有被前臺頁面呼叫，那麼資料庫的內容其實沒有任何意義，對網站來說。當資料庫內容被前臺呼叫時，那麼就產生了頁面，至於頁面使用動態URL還是靜態URL，這個決定於網站本身和技術能力的問題。如果單從使用者和搜尋引擎角度考慮，把頁面生成靜態URL是最好的策略，考慮到網站內容資料海量和伺服器承載壓力，靜態URL和動態URL配套使用是最佳的解決方案。說到這裡，靜態URL還可以細分為純靜態URL和偽靜態URL，動態URL非常容易理解。這裡我們先解釋一下什麼是靜態URL？什麼是動態URL？
 
靜態URL：
 
靜態網頁使用語言：HTML（超文字標記語言） 純靜態URL字尾多以html、htm形式，例如：http://visa.yeegt.com/country-france.html  
偽靜態URL字尾檔名稱+“/”形式，
例如：http://www.yeegt.com/eurailpass/
 
動態URL：
 
動態網頁使用語言：HTML＋ASP 或 HTML＋PHP 或 HTML＋JSP 等 動態URL字尾多以程式設計語ASP 、PHP、JSP，或是傳引數形式，例如：http://package.yeegt.com/Package.aspx?Id=529 動態URL、純靜態以及偽靜態URL優勢和劣勢： 動態URL的優勢是大幅度降低了技術維護工作量，易對網站進行規範化管理，是互動式、購物車、線上註冊等特定功能必須使用的，而劣勢是動態URL當用戶訪問時，才從資料庫裡待用內容並載入預前設定好的頁面模板，對於使用者訪問速度造成了一定的延時影響，同時也消耗了伺服器端頻寬，不利用大規模使用者群同時訪問，對網站發展具有很多的侷限性；且對搜尋引擎蜘蛛爬行造成很大的不便，動態頁面大部分是搜尋引擎無法爬行和抓取的。
 
純靜態URL的優勢是使用者訪問速度快，使用者體驗度高，對搜尋引擎也很友好，純靜態連結地址被搜尋引擎視為真實存在的頁面，不易產生壞死連結，搜尋引擎蜘蛛爬行速度快；而劣勢是每次有新內容或是更新內容時都要直接生產靜態頁面，對伺服器效能是一個嚴峻的考驗，磁碟和記憶體消耗很大，同時也會輕微的影響伺服器端反映速度，消耗了一部分頻寬，但比動態URL消耗要小的多。
 
偽靜態URL的出現是動態和純靜態的折中解決方案，偽靜態最大的好處就是有利於搜尋引擎，對使用者體驗也比較友好，在伺服器端與動態URL的工作原理基本相似，但有不同之處，技術人員對整站動態URL制定新規範，對原來傳參URL進行有規律的重寫，如：http://group.yeegt.com/destination-country.aspx?countryId=133，可以偽靜態成，http://group.yeegt.com/destination-country/133/ ,可以在伺服器端批量將動態URL重寫成偽靜態等待搜尋引擎蜘蛛來爬行和抓取。
 
URL規範化建議：實時更新的內容採用偽靜態形式，不經常更新的內採用靜態化形式，特定功能或互動式用動態URL形式。
 
網站結構：網站結構分為：物理結構與邏輯結構，物理路徑是網站真實存在的物理絕對路徑，而邏輯結構是網站虛擬的相對路徑，比如：http://www.yeegt.com/theme/maldives/ 為物理路徑結構，而http://www.yeegt.com/…/maldives/ 為虛擬路徑結構，換句話說具體檔案存放的地址是否真實。網站結構與URL的關係非常密切，互相影響。
 
一般情況下，網站結構採用物理路徑還是邏輯路徑都是通過URL來區別的，靜態URL一般情況是真實反應了頁面的物理存放路徑，而偽靜態多為虛擬路徑，但不是說所有的偽靜態已經都是虛擬路徑。其實網站採用物理路徑結構還是虛擬路徑結構，對使用者訪問不會造成任何影響，但是對搜尋引擎的影響是比較大的。很多網站靜態頁面，也就是靜態URL也採用了相對虛擬路徑，如：<a href=”yazhou.html” target=”_blank”>亞洲</a>，正確的寫法應該是<a href=http://visa.yeegt.com/yazhou.html target=” _blank”>亞洲</a> 。
 
物理結構與邏輯結構對搜尋引擎沒有絕對的有利或是不利，不管是物理結構還是邏輯結構，層級過多都對搜尋引擎產生不利的影響。經過四年SEO經驗得出，扁平式的物理結構架構與底層資料邏輯結構巢狀模式，才是最佳的網站結構模式。
 
網站頻道、欄目、專題採用扁平式物理架構，路徑層數不超過3層，這樣網站的基本框架就成型了，如果單一的採用邏輯結構，網站內容存放和管理絕對一團糟，為網站壞死連結打下了基礎，日後造成的負面作用會非常之大。超出扁平式3層結構的底層資料，可以採用邏輯結構，保證底層資料易被搜尋引擎抓取，且獲得高權重，什麼是底層資料呢？底層資料可以認為是終端頁、詳情頁、或是存放路徑比較深的頁面。
 
例如：酒店 | 機票 | 自由行 | 團隊遊 | 目的地指南 頻道採用扁平式物理結構 具體酒店頁面 具體旅遊線路頁面 終端頁可採用邏輯結構（一般的終端頁路徑層級已經遠遠超出了3-5層） 總結：本次主要對網站URL規範和網站結構進行了分析，不單從SEO角度考慮，更多的是從網站運營和產品管理本身出發，以及網站對搜尋引擎、網站運營管理成本，特別是對使用者體驗的諸多有利和不利影響做了具體說明，理論源於實踐，如有與現有部分理論有衝突之處，還需要大家一起去驗證、實踐，在實踐中認識問題和分析問題，還原一個真實、完整的理論體系。謝謝大家的關注和閱讀！