URL

Un localizador uniforme de recursos ( URL ), conocido coloquialmente como dirección web , ^{[ 6 ]} es una referencia a un recurso en la World Wide Web . Una URL especifica la ubicación de un recurso en una red informática y un mecanismo para recuperarlo. Una URL es un tipo específico de identificador uniforme de recursos (URI), ^{[ 7 ] [ 1 ]} aunque muchas personas usan los dos términos indistintamente. ^{[ 8 ] [ a ]} Una URL se usa más comúnmente para referenciar una página web ( HTTP / HTTPS ), pero también se usa para transferencia de archivos ( FTP ), correo electrónico ( mailto ), acceso a bases de datos ( JDBC ) y muchas otras aplicaciones.

La mayoría de los navegadores web muestran la URL de una página web encima de la página en una barra de direcciones . Como ejemplo de una URL de página web, https://www.example.com/index.htmlindica el protocolo https, el nombre de hostwww.example.com y el nombre del archivo index.html.

El Localizador Uniforme de Recursos fue definido en RFC 1738 ^{[ 10 ]} en 1994 por Tim Berners-Lee , el inventor de la World Wide Web, y el grupo de trabajo URI del Grupo de Trabajo de Ingeniería de Internet (IETF), ^{[ 11 ]} como resultado de la colaboración iniciada en la sesión de IETF Living Documents birds of a feather en 1992. ^{[ 11 ] [ 12 ]} 

El formato combina el sistema preexistente de nombres de dominio (creado en 1985) con la sintaxis de rutas de archivo , donde se utilizan barras diagonales para separar los nombres de directorio y de archivo . Ya existían convenciones en las que los nombres de servidor podían anteponerse a las rutas de archivo completas, precedidos por una doble barra diagonal ( //). ^{[ 13 ]}

Berners-Lee expresó posteriormente su pesar por el uso de puntos para separar las partes del nombre de dominio dentro de las URI , deseando haber utilizado barras diagonales en todo el código, ^{[ 13 ]} y también dijo que, dado el punto y coma que sigue al primer componente de una URI, las dos barras diagonales antes del nombre de dominio eran innecesarias. ^{[ 14 ]}

Los primeros colaboradores de la WorldWideWeb , incluido Berners-Lee, propusieron originalmente el uso de UDI: Identificadores Universales de Documento. Un borrador inicial (1993) de la Especificación HTML ^{[ 15 ]} hacía referencia a Localizadores de Recursos "Universales". Esto se descartó en algún momento entre junio de 1994 ^{[ 16 ]} y octubre de 1994. ^{[ 17 ]} En su libro Weaving the Web , Berners-Lee enfatiza su preferencia por la inclusión original de "universal" en la expansión en lugar de la palabra "uniforme", a la que se cambió posteriormente, y ofrece un breve relato de la controversia que llevó al cambio.

Cada URL HTTP se ajusta a la sintaxis de una URI genérica. La sintaxis genérica de la URI consta de cinco componentes organizados jerárquicamente en orden de importancia decreciente de izquierda a derecha: ^{[ 1 ] : §3}

URI = esquema ":" [ "//" autoridad ] ruta [ "?" consulta ] [ "#" fragmento ]

Un componente no está definido si tiene un delimitador asociado y este no aparece en la URI; los componentes de esquema y ruta siempre están definidos. ^{[ 1 ] : §5.2.1} Un componente está vacío si no tiene caracteres; el componente de esquema siempre está no vacío. ^{[ 1 ] : §3}

El componente de autoridad consta de subcomponentes :

autoridad = [ userinfo "@" ] host [ ":" puerto ]

Esto se representa en un diagrama de sintaxis como:

La URI comprende:

• Un no vacíoComponente del esquema seguido de dos puntos (:), que consiste en una secuencia de caracteres que comienza con una letra y va seguida de cualquier combinación de letras, dígitos, signo más (+), punto (.) o guion (-). Aunque los esquemas no distinguen entre mayúsculas y minúsculas, la forma canónica es minúscula y los documentos que especifican esquemas deben hacerlo con letras minúsculas. Ejemplos de esquemas populares incluyenhttp,https,ftp,mailto,file,datayirc. Los esquemas URI deben registrarse en laAutoridad de Números Asignados de Internet (IANA), aunque en la práctica se utilizan esquemas no registrados. ^{[ 18 ]}
• Una opciónComponente de autoridad precedido por dos barras diagonales (//), que comprende:
  • Una opciónEl subcomponente userinfo va seguido de un símbolo arroba (@), que puede consistir en unnombre de usuarioy unacontraseñaprecedida de dos puntos (:). El uso de este formatousername:passworden el subcomponente userinfo está desaconsejado por motivos de seguridad. Las aplicaciones no deben mostrar como texto plano ningún dato que:aparezca después de los primeros dos puntos ( ) dentro del subcomponente userinfo, a menos que dicho dato sea una cadena vacía (lo que indica que no hay contraseña).
  • Asubcomponente de host , que consiste en un nombre registrado (incluido, pero no limitado a, unnombre de host) o unadirección IP.IPv4deben estar ennotación decimal con puntos, yIPv6deben estar entre corchetes ([]). ^{[ 1 ] : §3.2.2 [ b ]}
  • Una opciónsubcomponente del puerto precedido por dos puntos (:), que consta de dígitos decimales.
• AComponente de ruta , que consiste en una secuencia de segmentos de ruta separados por una barra diagonal (/). Siempre se define una ruta para una URI, aunque la ruta definida puede estar vacía (longitud cero). Un segmento también puede estar vacío, lo que resulta en dos barras diagonales consecutivas (//) en el componente de ruta. Un componente de ruta puede parecerse o corresponderse exactamente con unaruta del sistema de archivos, pero no siempre implica una relación con ella. Si se define un componente de autoridad, entonces el componente de ruta debe estar vacío o comenzar con una barra diagonal (/). Si no se define un componente de autoridad, entonces la ruta no puede comenzar con un segmento vacío, es decir, con dos barras diagonales (//), ya que los caracteres siguientes se interpretarían como un componente de autoridad. ^{[ 20 ] : §3.3}

Por convención, en las URI http y https , la última parte de una ruta se llamapathinfo es opcional. Se compone de cero o más segmentos de ruta que no hacen referencia a un nombre de recurso físico existente (por ejemplo, un archivo, un programa de módulo interno o un programa ejecutable), sino a una parte lógica (por ejemplo, un comando o una parte calificadora) que debe pasarse por separado a la primera parte de la ruta que identifica un módulo ejecutable o un programa gestionado por unservidor web; esto se usa a menudo para seleccionar contenido dinámico (un documento, etc.) o para adaptarlo según se solicite (véase también:CGIy PATH_INFO, etc.).

Ejemplo:

URI:"http://www.example.com/questions/3456/my-document"

donde: "/questions"es la primera parte de la ruta (un módulo o programa ejecutable) y "/3456/my-document"es la segunda parte de la ruta llamada pathinfo , que se pasa al módulo o programa ejecutable llamado "/questions"para seleccionar el documento solicitado.

Una URI http o https que contiene una parte pathinfo sin una parte de consulta también puede denominarse ' URL limpia ', cuya última parte puede ser un ' slug '.

• Una opciónComponente de consulta precedido por un signo de interrogación (?), que consiste en unacadena de consultade datos no jerárquicos. Su sintaxis no está bien definida, pero por convención suele ser una secuencia depares atributo-valorseparados por undelimitador.
• Una opciónEl fragmento está precedido por unaalmohadilla(#). Contiene unidentificadorque dirige a un recurso secundario, como el encabezado de una sección de un artículo, identificado por el resto de la URI. Cuando el recurso principal es unHTML, el fragmento suele ser unidatributode un elemento específico, y los navegadores web desplazan este elemento para que sea visible.

Un navegador web normalmente desreferenciará una URL realizando una solicitud HTTP al host especificado, por defecto en el puerto número 80. Las URL que utilizan este httpsesquema requieren que las solicitudes y respuestas se realicen a través de una conexión segura al sitio web .

Los usuarios de Internet se encuentran distribuidos por todo el mundo y utilizan una amplia variedad de idiomas y alfabetos, por lo que esperan poder crear URL en sus propios alfabetos locales. Un Identificador Internacionalizado de Recursos (IRI) es un tipo de URL que incluye caracteres Unicode . Todos los navegadores modernos admiten IRI. Las partes de la URL que requieren un tratamiento especial para diferentes alfabetos son el nombre de dominio y la ruta. ^{[ 23 ] [ 24 ]}

El nombre de dominio en el IRI se conoce como Nombre de Dominio Internacionalizado (IDN). El software web e Internet convierte automáticamente el nombre de dominio a punycode utilizable por el Sistema de Nombres de Dominio ; por ejemplo, la URL china http://例子.卷筒纸se convierte en http://xn--fsqu00a.xn--3lr804guic/. El xn--indica que el carácter no era originalmente ASCII . ^{[ 25 ]}

El usuario también puede especificar la ruta de la URL en su sistema de escritura local. Si no está codificada, se convierte a UTF-8 y los caracteres que no forman parte del conjunto básico de caracteres de la URL se escapan como hexadecimal mediante codificación porcentual ; por ejemplo, la URL japonesa http://example.com/引き割り.htmlse convierte en http://example.com/%E5%BC%95%E3%81%8D%E5%89%B2%E3%82%8A.html. El ordenador de destino decodifica la dirección y muestra la página. ^{[ 23 ]}

Los enlaces relativos al protocolo (PRL), también conocidos como URL relativas al protocolo (PRURL), son URL que no tienen un protocolo especificado. Por ejemplo, //example.comutilizarán el protocolo de la página actual, normalmente HTTP o HTTPS. ^{[ 26 ] [ 27 ]}

• Especificación de URL en WHATWG
• Divisor de URL que divide cualquier URI en sus partes.