Uso¶

Há muitos esquemas de URIs diferentes, cada um com regras e significados adicionais específicos, mas eles são feitos intencionalmente para serem tão similares quanto possível. Por exemplo, muitos esquemas de URL permitem que a autoridade tenha o seguinte formato, chamada aqui de ip_server (colchetes mostram o que é opcional):

ip_server = [user [ : password ] @ ] host [ : port]

This format allows you to optionally insert a username, a user plus password, and/or a port number. The host is the name of the host computer, either its name as determined by DNS or an IP address (numbers separated by periods). Thus the URI <http://fred:fredpassword@example.com:8080/> logs into a web server on host example.com as fred (using fredpassword) using port 8080. Avoid including a password in a URI if possible because of the many security risks of having a password written down. If the URL supplies a username but no password, and the remote server requests a password, the program interpreting the URL should request one from the user.

Aqui estão alguns dos esquemas mais comuns em uso em sistemas tipo UNIX, que são entendidos por muitas ferramentas. Note que muitas ferramentas usando URIs também têm esquemas internos ou especializados; veja a documentação dessas ferramentas para informações sobre esses esquemas.

http - servidor Web (HTTP)

http://ip_server/path
http://ip_server/path?query

Esta é uma URL acessando um servidor web (HTTP). A porta padrão é 80. Se o caminho se refere a um diretório, o servidor Web escolherá qual retorna; geralmente, se há um arquivo denominado 'index.html' ou 'index.htm', seu conteúdo é retornado, caso contrário, uma lista de arquivos no diretório atual (com links apropriados) é gerada e retornada. Um exemplo é <http://lwn.net>.

Uma pesquisa pode ser dada no formato 'isindex' arcaico, consistindo em uma palavra ou frase, e não incluindo um sinal de igual. Uma pesquisa também pode ser no formato 'GET', mais longo, que tem uma ou mais entradas de pesquisa no formato chave=valor, separadas pelo caractere (&). Note que chave pode ser repetida mais de uma vez, porém cabe ao servidor web e seus programas aplicativos determinar se há algum significado para aquilo. Há uma infeliz interação com HTML/XML/SGML e o formato de pesquisa GET; quando tais URIs com mais de uma chave são embutidas em documentos SGML/XML (incluindo HTML), o '&' tem que ser reescrito como '&amp;'. Note que nem todas as pesquisas usam este formato; formas maiores podem ser muito longas para se armazenar como uma URI, de forma que eles usam um mecanismo de interação diferente (chamado POST) que não inclui os dados na URI. Veja a especificação do CGI (Common Gateway Interface) em http://www.w3.org/CGI para maiores informações.

ftp - File Transfer Protocol (FTP)

ftp://ip_server/path

Esta é uma URL acessando um arquivo através de um protocolo de transferência de arquivo (FTP). A porta padrão (para controle) é 21. Se nenhum nome de usuário é incluído, é fornecido o nome de usuário 'anonymous' (anônimo), e neste caso muitos clientes fornecem como a senha o correio eletrônico do requerente. Um exemplo é <ftp://ftp.is.co.za/rfc/rfc1808.txt>.

gopher - servidor Gopher

gopher://ip_server/gophertype selector
gopher://ip_server/gophertype selector%09search
gopher://ip_server/gophertype selector%09search%09gopher+_string

A porta padrão do gopher é 70. gophertype é um campo de caractere único que denota o tipo Gopher do recurso ao qual a URL se refere. O caminho inteiro também pode ser vazio, caso em que o delimitador '/' também é opcional e o padrão de gophertype é '1'.

selector é o seletor do Gopher. No protocolo Gopher, os seletores são uma sequência de octetos que podem conter quaisquer octetos, exceto o hexadecimal 09 (HT do US-ASCII, ou tabulação), hexadecimal 0A (caractere LF do US-ASCII), e 0D (caractere CR do US-ASCII).

mailto - endereço de email

mailto:email-address

Este é um endereço de e-mail, geralmente no formato name@hostname. Vejamailaddr(7) para mais informações sobre o formato correto de um endereço de e-mail. Note que qualquer caractere % deve ser reescrito como %25. Um exemplo é <mailto:dwheeler@ida.org>.

news - Newsgroup ou mensagem de notícias

news:newsgroup-name
news:message-id

A newsgroup-name é um nome delimitado por pontos, tal como "comp.infosystems.www.misc". Se <newsgroup-name> é '*' (como em <news:*>), ele é usado para se referir a 'todos os grupos de notícias disponíveis'. Um exemplo é <news:comp.lang.ada>.

Um message-id corresponde ao ID de mensagem do IETF RFC 1036, sem os contornantes '<' e '>'; ele toma a forma unique@full_domain_name. Um identificador de mensagem pode ser distinguido de um nome de grupo de notícias pela presença do caractere '@'.

telnet - Telnet login

telnet://ip_server/

O esquema de URL Telnet é usado para designar serviços de texto interativos que podem ser acessados pelo protocolo Telnet. O caractere final '/' pode ser omitido. A porta padrão é 23. Um exemplo é <telnet://melvyl.ucop.edu/>.

file - arquivo normal

file://ip_server/path_segments
file:path_segments

Este representa um arquivo ou diretório acessível localmente. Como um caso especial, ip_server pode ser 'localhost' ou vazio; isto é interpretado como "a máquina da qual a URL está sendo interpretada". Se o caminho é para um diretório, o visualizador deve mostrar o conteúdo do diretório com links para cada item; nem todos os visualizadores fazem isso. O KDE suporta arquivos gerados através da URL <file:/cgi-bin>. Se o arquivo dado não é encontrado, os escritores do browser podem querer tentar expandir o nome do arquivo através de um englobamento (veja glob(7) e glob(3)).

O segundo formato (por exemplo, <file:/etc/passwd>) é um formato correto para se referir ao arquivo local. Porém, padrões mais antigos não permitiam este formato, e alguns programas não reconhecem isto como uma URI. Uma sintaxe mais portável é o uso de uma cadeia vazia como o nome do servidor, por exemplo, <file:///etc/passwd>; este formato faz a mesma coisa e é facilmente reconhecido como uma URI por buscadores de padrões e programas mais antigos. Note que se você realmente quer dizer 'inicie do local atual', não especifique o esquema de jeito nenhum; use um endereço relativo, como <../test.txt>, que tem o efeito colateral de ser independente de esquema. Um exemplo deste esquema é <file:///etc/passwd>.

man - Documentação de páginas de manual

man:command-name
man:command-name(section)

Isto se refere às páginas de referência do manual (man) online local. O nome do comando pode opcionalmente ser seguido por parênteses e pelo número da seção; veja man(7) para mais informações sobre o significado dos números de seção. Este esquema de URI é único para sistemas do tipo UNIX (tais como o Linux) e não é registrado atualmente pelo IETF. Um exemplo é <man:ls(1)>.

info - Documentação de páginas info

info:virtual-filename
info:virtual-filename#nodename
info:(virtual-filename)
info:(virtual-filename)nodename

Este esquema se refere às páginas de referência info online (geradas dos arquivos texinfo), um formato de documentação usado por programas como as ferramentas GNU. Este esquema de URI é exclusivo para sistemas do tipo UNIX (tais como o Linux) e não é registrado atualmente pelo IETF. No momento em que este é escrito, o GNOME e o KDE diferem em suas sintaxes de URI, e não aceitam a sintaxe do outro. O primeiro dos dois formatos são o formato GNOME; um nomes de nós todos os espaços são escritos como sublinhados. O segundo dos dois formatos é o formato KDE; os espaços nos nomes de nós devem ser escritos como espaços, mesmo isso sendo proibido pelos padrões da URI. Espera-se que no futuro muitas ferramentas entenderão todos estes formatos e sempre aceitarão sublinhados para espaços nos nomes dos nós. Tanto no GNOME quanto no KDE, se o formato sem o nome do nó é usado, o nome do nó é assumido como sendo 'Top'. Exemplos de formato GNOME são <info:gcc> e <info:gcc#G++_e_GCC>. Exemplos de formato KDE são <info:(gcc)> e <info:(gcc)G++ e GCC>.

whatis - Busca de documentação

whatis:string

Este esquema busca no banco de dados de descrições curtas (de uma linha) de comandos e retorna uma lista de descrições contendo aquela string. Somente encontros de palavras completas são retornados. Veja whatis(1). Este esquema de URI é único para sistemas do tipo UNIX (tais como o Linux) e não é registrado atualmente pelo IETF.

ghelp - documentação de ajuda do GNOME

ghelp:nome-da-aplicação

Isto carrega a ajuda do GNOME para a aplicação dada. Note que não existe muita documentação atualmente neste formato.

ldap - Lightweight Directory Access Protocol (Protocolo Leve de Acesso a Diretórios)

ldap://hostport
ldap://hostport/
ldap://hostport/dn
ldap://hostport/dn?atributos
ldap://hostport/dn?atributos?escopo
ldap://hostport/dn?atributos?escopo?filtro
ldap://hostport/dn?atributos?escopo?filtro?extensões

This scheme supports queries to the Lightweight Directory Access Protocol (LDAP), a protocol for querying a set of servers for hierarchically organized information (such as people and computing resources). See RFC 2255 for more information on the LDAP URL scheme. The components of this URL are:

hostport

o servidor LDAP a se pesquisar, escrito como um nome de host, seguido opcionalmente por dois-pontos e a número de porta. O padrão de porta LDAP é a porta TCP 389. Se vazio, o cliente determina qual o servidor usar.

dn

o Nome Distinto do LDAP, que identifica o objeto-base da busca LDAP (veja RFC 2253 seção 3).

atributos

uma lista de atributos, separados por vírgulas, a serem retornados; veja a RFC 2251, seção 4.1.5. Se omitido, todos os atributos devem ser retornados.

escopo

especifica o escopo da busca, que pode ser uma da 'base' (para uma busca de objeto-base), 'um' (para uma busca de um nível), ou 'sub' (para uma busca em sub-árvores). Se o escopo é omitido, 'base' é assumido.

filtro

especifica o filtro de busca (subconjunto de entradas a serem retornadas). Se omitido, todas as entradas devem ser retornadas. Veja RFC 2254 seção 4.

extensões

uma lista, separada por vírgulas, de pares tipo=valor, onde a porção =valor pode ser omitida para opções que não a requerem. Uma extensão prefixada com um '!' é crítica (deve ser suportada para ser válida), caso contrário é não-crítica (opcional).

Pesquisas LDAP são as mais fáceis de explicar com exemplos. Aqui está uma pesquisa que pede ao ldap.itd.umich.edu informações sobre a Universidade de Michigan, nos E.U.A.:

ldap://ldap.itd.umich.edu/o=University%20of%20Michigan,c=US

Para obter apenas seu atributo de endereço postal, peça:

ldap://ldap.itd.umich.edu/o=University%20of%20Michigan,c=US?postalAddress

Para pedir a um host.com porta 6666 por informações sobre a pessoa com nome comum (cn) 'Babs Jensen' na Universidade de Michigan, peça:

ldap://host.com:6666/o=University%20of%20Michigan,c=US??sub?(cn=Babs%20Jensen)

wais - Servidores de Informação de Grande Área (Wide Area Information Server)

wais://hostport/database
wais://hostport/database?search
wais://hostport/database/wtype/wpath

Este esquema designa um banco de dados WAIS, uma busca, ou um documento (veja IETF RFC 1625 para mais informações sobre WAIS). Hostport é o nome do host, opcionalmente seguido por dois-pontos e um número de porta (o número de porta padrão é 210).

O primeiro formato designa um banco de dados WAIS para busca. O segundo formato desgina uma busca particular do banco de dados WAIS database. O terceiro formato desgina um documento particular dentro de um banco de dados WAIS a ser recuperado. wtype é a desginação WAIS do tipo de objeto e wpath é o identificador de documento WAIS.

outros esquemas

Há muitos outros esquemas URI. Muitas ferramentas que aceitam URIs suportam um conjunto de URIs internos (por exemplo, o Mozilla tem o esquema 'about:' para informação interna, e o browser de ajuda do GNOME tem o esquema 'toc:' para vários locais de início). Há muitos esquemas que foram definidos mas não são usados largamente na atualidade (por exemplo, prospero). O esquema 'nntp:' se tornou obsoleto em favor do esquema 'news:'. As URNs devem ser suportadas pelo esquema 'urn:', com um espaço de nomes hierárquico (por exemplo, urn:ietf:... identificaria documentos IETF); atualmente as URNs não são amplamente implementadas. Nem todas as ferramentas suportam todos os esquemas.

Character encoding¶

As URIs têm um número limitado de caracteres, de forma que elas podem ser digitadas e usadas em uma variedade de situações.

Os seguintes caracteres são reservados, isto é, eles podem aparecer em uma URI mas seu uso se limita ao seu propósito reservado (dados conflitantes precisam usar o caractere de 'fuga' antes de formar a URI):

; / ? : @ & = + $ ,
    

Unreserved characters may be included in a URI. Unreserved characters include uppercase and lowercase Latin letters, decimal digits, and the following limited set of punctuation marks and symbols:

- _ . ! ~ * ' ( )
    

All other characters must be escaped. An escaped octet is encoded as a character triplet, consisting of the percent character "%" followed by the two hexadecimal digits representing the octet code (you can use uppercase or lowercase letters for the hexadecimal digits). For example, a blank space must be escaped as "%20", a tab character as "%09", and the "&" as "%26". Because the percent "%" character always has the reserved purpose of being the escape indicator, it must be escaped as "%25". It is common practice to escape space characters as the plus symbol (+) in query text; this practice isn't uniformly defined in the relevant RFCs (which recommend %20 instead) but any tool accepting URIs with query text should be prepared for them. A URI is always shown in its "escaped" form.

Caracteres não-reservados podem ser do tipo de 'fuga' sem mudança da semântica da URI, mas isto não deve ser feito a menos que o URI esteja sendo usada em um contexto que não permita que apareçam caracteres sem 'fuga'. Por exemplo, '%7e' é usado às vezes em lugar de '~' em um caminho de diretório de URL do HTTP, mas os dois são equivalentes.

For URIs which must handle characters outside the US ASCII character set, the HTML 4.01 specification (section B.2) and IETF RFC 3986 (last paragraph of section 2.5) recommend the following approach:

(1)

translate the character sequences into UTF-8 (IETF RFC 3629)—see utf-8(7)—and then

(2)

use o mecanismo de 'fuga', que é, use a codificação %HH para os octetos 'inseguros'.

Writing a URI¶

When written, URIs should be placed inside double quotes (e.g., "http://www.kernel.org"), enclosed in angle brackets (e.g., <http://lwn.net>), or placed on a line by themselves. A warning for those who use double-quotes: never move extraneous punctuation (such as the period ending a sentence or the comma in a list) inside a URI, since this will change the value of the URI. Instead, use angle brackets instead, or switch to a quoting system that never includes extraneous characters inside quotation marks. This latter system, called the 'new' or 'logical' quoting system by "Hart's Rules" and the "Oxford Dictionary for Writers and Editors", is preferred practice in Great Britain and in various European languages. Older documents suggested inserting the prefix "URL:" just before the URI, but this form has never caught on.

A sintaxe de URI foi projetada para não ser ambígua. Porém, como as URIs se tornaram comuns, a mídia tradicional (televisão, rádio, jornais, revistas, etc.) tem usado cada vez mais referências de URIs abreviadas, consistindo somente nas porções da autoridade e do caminho do recurso identificado (por exemplo, <www.w3.org/Addressing>). Tais referências pretendem primariamente facilitar a interpretação humana em lugar da máquina, assumindo que a heurística baseada em contexto é suficiente para completar a URI (por exemplo, nomes de hosts que começam com 'www' deveriam ter um prefixo de URI igual a 'http://', e nomes de hosts começando com 'ftp' deveriam ter o prefixo 'ftp://'). Muitas implementações de clientes resolvem heuristicamente estas referências. Tais heurísticas podem mudar com o tempo, particularmente quando novos esquemas forem introduzidos. Como URIs abreviadas têm a mesma sintaxe que um caminho de URL relativo, referências a URIs abreviadas não podem ser usadas onde URIs relativas são permitidas, e só podem ser usadas quando não há base definida (como em caixas de diálogo). Não use URIs abreviadas como links de hipertexto dentro de um documento; use o formato padrão descrito acima.

Security¶

Uma URI não posa, por si mesma, com uma ameaça à segurança. Não há uma garantia geral de que uma URL, localizada em certo momento em um recurso dado, continuará ali. Nem há qualquer garantia de que uma URL não localizará um recurso diferente em algum lugar do passado; tal garantia só pode ser obtida da(s) pessoa(s) que controlam aquele espaço de nomes e o recurso em questão.

Algumas vezes é possível construir uma URL de forma que uma tentativa de realizar uma operação aparentemente inofensiva, como a recuperação de uma entidade associada ao recurso, provoque a ocorrência de uma operação remota possivelmente danosa. A URL insegura é construída tipicamente através da especificação de um número de porta diferente daquela reservada para o protocolo de rede em questão. O cliente inconscientemente contacta um site que está, na verdade, rodando um protocolo diferente. O conteúdo da URL contém instruções que, quando interpretada de acordo com este outro protocolo, causa uma operação inesperada. Um exemplo foi o uso de uma URL gopher para produzir uma mensagem não pretendida ou sem identificação, que fosse enviada através de um servidor SMTP.

Deve-se tomar cuidado no uso de qualquer URL que especifique um número de porta diferente do padrão para o protocolo, especialmente quando é um número do espaço reservado.

Deve-se tomar cuidado para que, quando uma URI contenha delimitadores com caracteres de 'fuga' para um dado protocolo (por exemplo, caracteres CR e LF para protocolos telnet), esses não percam os escapes antes da transmissão. Isto pode violar o protocolo, mas evita o possibilidade de que esses caracteres sejam usados para simular uma operação extra ou parâmetros naquele protocolo, o que pode fazer uma operação inesperada e possivelmente perigosa ser realizada.

É claramente uma tolice usar uma URI que contém uma senha, que pretende-se que seja secreta. Em particular, o uso de uma senha dentro do componente "userinfo" de uma URI é fortemente não recomendada, exceto naqueles casos raros em que o parâmetro "senha" pretende ser pública.