问题标签 [url-parsing]

我正在编写一个半包装 Java 的实用程序类URL class，并且我编写了一堆测试用例来验证我用自定义实现包装的方法。我不理解某些 Java 的某些URL字符串的 getter 的输出。

根据 RFC 3986 规范，路径组件定义如下：

查询组件定义如下：

我有几个测试用例被 Java 视为有效的 URL，但是路径、文件和查询的 getter 不会返回我预期的值：

上面的结果如下：

我的另一个测试用例：

上面的结果如下：

根据 Java 的文档URL：

所以，我的测试用例在getQuery()被调用时会产生空字符串。在这种情况下，我希望getFile()返回与getPath(). 不是这种情况。

我曾期望两个测试用例的输出如下：

也许我对 RFC 3986 的解释是不正确的。但是我看到的输出也不符合 URL 类的文档？谁能解释我所看到的？

Python中是否有一个函数可以确定主机名是域名还是IP（v4）地址？

请注意，域名可能看起来像：alex.foo.bar.com甚至（我认为这是有效的）1.2.3.com：。

我正在实现一个 URL 解析器，并且对 W3C URL 规范有疑问（在http://www.w3.org/TR/2014/WD-url-1-20141209/）在“2. Percent-encoded bytes”部分它具有以下算法（已添加重点）：

要对字节序列输入进行百分比解码，请运行以下步骤：

当输入包含 0x00 到 0x7F 范围之外的字节时，使用除 utf-8 解码器之外的任何东西可能是不安全的，不推荐使用。

1. 设输出为空字节序列。

2. 对于输入中的每个字节字节，运行以下步骤：

   1. 如果 byte 不是 '%'，则将 byte 附加到输出。

   2. 否则，如果 byte 是 '%' 并且输入中 byte 之后的下两个字节不在 0x30 到 0x39、0x41 到 0x46 和 0x61 到 0x66 的范围内，则将 byte 附加到输出。

   3. 否则，运行以下子步骤：

      1. 令 bytePoint 为输入中 byte 之后的两个字节，decoded，然后解释为十六进制数。

      2. 将一个值为 bytePoint 的字节附加到输出。

      3. 跳过输入中接下来的两个字节。

3. 返回输出。

在原始规范中，单词“decoded”（上面的粗体字）是指向 UTF-8 解码算法的链接。我假设这是上面第二句（斜体）中提到的“utf-8 解码器”。

我了解无效的 UTF-8 字节序列会导致安全问题。但是，在使用解码器的步骤中，字节已经被前面的子步骤 2 验证为有效的 ASCII 十六进制数字，因此似乎在这里使用 UTF-8 解码器来保证安全性是多余的。

当解码器仅用于 0x30 到 0x39、0x41 到 0x46 和 0x61 到 0x66 范围内的字节值时，谁能解释在这个算法中使用 UTF-8 解码器以外的东西可能是不安全的？还是我在规范中解释错误？

在我看来，0x00 到 0x7f 范围之外的任何字节都将按原样复制到输出（在子步骤 1 中因为它们不是 %，或者在子步骤 2 中因为它们不是 ASCII 十六进制数字），所以它们在这个算法中永远不会出现在解码器中。

W3C 验证向我报告此错误：

错误：元素http://form-integra.seekeo.com/tool-register-form/javascript?site_id=1273912&myCh=2&chIds[]=2&myGender=2-1&theme[login]=0&fb=1&style_id=8417&tracker=GrandeSexoNegro属性值错误：查询中的非法字符：不是 URL 代码点。srcscript

从第 166 行第 1 列开始；到第 166 行，第 230 列

URL 的语法：
任何 URL。例如：/hello、#canvas或http://example.org/。字符应在 NFC 中表示，空格应转义为%20.

但我不明白错误在哪里以及如何解决这个问题。

如何解决这个问题？

这是完整的网址：

如何从下面的示例中获取主机名。

I/P：https ://stackoverflow.com/users/login | 运营商：stackoverflow.com

I/P：stackoverflow.com/users/login | 运营商：stackoverflow.com

I/P: /users/login | O/P：（返回空字符串）

我检查了 parse_url 函数，但没有返回我需要的。因为，我是 PHP 的初学者，所以对我来说很难。如果您有任何想法，请回答。

我需要你的帮助。我想发送一个 URL 请求，获取响应并创建一个 JSON 对象。我的第一次尝试完全错误。现在我找到了一个教程并进行了新的尝试。

我的活动看起来像：

然后我创建了一个新的 Java 类并用它构建了一个 asyncTask。但我无法访问 onPostExecute 中的 textview 输出来更新它。

} 我的错误是什么？为什么我无法访问它？我在这里看到它是一个解决方案，但没有让它发挥作用：

https://stackoverflow.com/a/12252717/5743912

希望你现在可以帮助我！:)

当我尝试解析以下 URL 时，URI.parse返回nil端口：

有人可以解释为什么这适用于ftp，但不适用于httpand ？httpssftpftps

我目前正在开发一个简单的 HTTP 代理作为一个教育个人项目。我对套接字编程、C 以及对特定库的需求和使用相当陌生。

在阅读了在 C 中解析 HTTP 请求 URL 的不同方法之后，我发现使用解析库，比如uriparser，似乎是最流行和最安全的选择。

不幸的是，我一直在努力让这个库正常工作。

从这里下载库后，我解压缩了“tarball”并运行以下命令：

“sudo make install”的输出声称这些库已安装在“/usr/local/lib”中，它们一直是。但是，当我尝试使用 Uriparser 的文档here中所示的 UriUriA obj 时，显然无法识别该对象。

该库是否安装在正确的位置？

我是否遗漏了一些明显的东西，比如不包括这个库的头文件？我在链接的文档中找不到。

相关代码：

（功能现在很简单，主要指向 UriUri 实例化，它仍然会产生未知类型的编译错误。我还没有能够使用 lib）

如果有人对此库有任何经验，我们将不胜感激！谢谢！

我正在尝试使用 BeautifulSoup 从网页上的 JS 脚本中抓取所有 URL，该脚本看起来像这个pastebin 链接：

我想"url"从这个 JS 脚本中抓取所有视频链接。我非常确信我不能用 BeautifulSoup 做到这一点，所以我可以使用什么来代替（最好，什么是正确的代码）。

每次页面加载时 URL 也会更新（并在设定的时间后过期），所以是否可以编写一些代码来始终获取新的 URL？

我正在尝试通过加入一些动态组件来构建 URL。在我的案例中，我想使用类似os.path.join()BUT 的东西作为 URL。从研究中我发现urlparse.urljoin()做同样的事情。但是，看起来它一次只需要两个参数。

到目前为止，我有以下工作但看起来重复：

输出 =http://example.com/schedule/12/20160322/v1/1.json

以上工作，我试图通过这种方式缩短它：

输出：http://example.com/schedule/.json

但是第二个实现不起作用。请建议我如何解决这个问题或更好的方法。

编辑 1：reduce解决方案的输出如下所示（不幸的是）： 输出：http://example.com/schedule/.json