URL 解析器

URL 的骨架

每条绝对 URL 都遵循同一个骨架：

scheme://user:password@host:port/path?query#fragment

大多数 URL 只用到其中几段，但语法上始终允许全部存在。读懂一条 URL，本质上就是知道每一段在哪里结束、下一段从哪里开始 —— 这由 ://、@、:、/、?、# 这几个分隔符决定。

逐段拆解

协议（scheme） 指明如何获取资源：https:、mailto:、ftp:。注意 WHATWG 解析器返回的值包含结尾冒号，很多人拿它去和字符串 "https" 比较时会踩坑。

用户名与密码 属于已废弃的 userinfo 段。浏览器仍会解析，但会从请求中剥离并常常给出警告，因为把凭据写进 URL 会让它泄漏到历史记录、日志和 referrer 头里。如果你在一条不是自己写的 URL 里看到它们，应当视为钓鱼信号。

主机名（hostname） 只是域名或 IP。主机（host） 在存在非默认端口时会带上端口，这也是这两个字段经常看起来一样的原因。

端口 在使用协议默认值时为空 —— https 是 443，http 是 80。解析器会做归一化：example.com:443/ 报告的端口为空，因为 443 没有提供任何额外信息。

路径 是从第一个 / 到查询之前的全部内容。对 http(s) URL 来说，它是唯一永远不为空的部分；只有源的 URL 会得到 / 作为路径。

查询字符串 从 ? 开始，承载参数。片段 从 # 开始，是唯一永远不会发送给服务器的部分 —— 它完全由客户端处理，这正是早期单页应用用它做路由的原因，也是把访问令牌放在片段里能避开服务端日志的原因。

源（origin） 是协议、主机、端口这个与安全相关的三元组。只有三者全部相同，两条 URL 才同源，而同源策略和 CORS 判定正是基于它。

解析器为什么这么严格

WHATWG URL 解析器只接受绝对 URL。example.com/page 没有协议，无法单独解析 —— 解析器无从判断你指的是 example.com/page 还是一个相对路径。真实代码会拿基准 URL 去解析相对引用；本工具刻意要求绝对形式，这样你看到的结果不会有歧义。

你会注意到的归一化

解析器不会原样返回输入字符串。它会把协议和主机转为小写、消解路径中的 . 与 .. 段、去掉默认端口，并把国际化域名转成 Punycode 形式，所以 münchen.de 报告的主机名是 xn--mnchen-3ya.de。这是特性而非缺陷：它展示的是网络栈实际对待这条 URL 的样子，而不是你敲进去的样子。

重复的参数

查询字符串完全可以重复同一个键，比如 ?tag=a&tag=b。没有任何规范规定这该如何解释 —— 有的框架取第一个值，有的取最后一个，有的收集成数组。这里的表格按顺序列出每一次出现，让你看到实际发送的内容，而不是被合并后的视图。