Eine URL auseinandernehmen

In Kapitel 1 wurde das Anfrageziel von Hand eingetippt: /v1/items?page=1&page_size=2, mit der Adresse ("practice-api", 8080) getrennt davon in ADDRESS. Eine URL trägt beides in einem String, http://practice-api:8080/v1/items?page=1&page_size=2, und ein Client muss sie auseinandernehmen, bevor er etwas senden kann. Manche Teile entscheiden, wohin die Verbindung geht, manche kommen in die Anfrage, und ein Teil wird überhaupt nie gesendet.

Pythons Standardbibliothek nimmt sie für dich auseinander: urlsplit aus dem Modul urllib.parse. Lass es auf eine URL los, in der jeder Teil ausgefüllt ist:

urlsplit gibt ein Objekt zurück, und jeder Teil ist ein Attribut davon. parts.port ist die Zahl 8080, ein int; jeder andere Teil ist ein String. Die Trennzeichen sind weg: kein ://, kein : vor dem Port, kein ? vor der Query, kein # vor dem Fragment.

Wohin jeder Teil gehört

Hier ist dieselbe URL mit jedem Teil beschriftet, und wo er landet. Folge jedem Teil hinunter zur Anfrage ganz unten:

Die Anfrage, die diese URL ergibt, ist GET /v1/items?page=2 HTTP/1.1 mit der Zeile Host: practice-api:8080, gesendet auf einer TCP-Verbindung zu ("practice-api", 8080). Nichts darin sagt #top.

Schema. http bedeutet einfaches HTTP über eine TCP-Verbindung, wie du sie in Kapitel 1 geöffnet hast. https bedeutet dasselbe HTTP, transportiert in einer verschlüsselten TLS-Verbindung. Die Website kann keine TLS-Verbindungen öffnen, und Kapitel 9 erklärt, was diese Schicht hinzufügt; bis dahin beginnt jede URL in diesem Kurs mit http.

Host und Port. Diese sagen, wohin die Verbindung geht. Der Hostname wird zu einer IP-Adresse aufgelöst, wie in Networks with Python, und (host, port) ist das Adresstupel, das deine Funktion connect nimmt. Dieselben beiden Werte kommen auch in die Anfrage selbst, in die Zeile Host, die Kapitel 1 als HOST_LINE mitgeliefert hat. Lektion 4 erklärt, warum der Server sie noch einmal braucht, wenn die Verbindung ihn schon erreicht hat.

Pfad und Query. Diese werden zum Anfrageziel, dem zweiten Wort der Anfragezeile: der Pfad, dann ? und die Query, wenn es eine gibt. Das ist der einzige Teil der URL, den die Anfragezeile trägt. Es gibt auch eine Form der Anfragezeile, die die ganze URL enthält; sie wird benutzt, wenn ein Client mit einem Proxy spricht, der Anfragen woandershin weiterleitet. Eine Anfrage, die direkt an den Server geht, für den sie bestimmt ist, wie alle deine, trägt nur Pfad und Query.

Fragment. Der Teil nach # zeigt auf eine Stelle im Dokument, etwa eine Überschrift auf einer Webseite. Er ist nur für den Client: Ein Browser benutzt ihn, um zu scrollen, nachdem das Dokument angekommen ist. Er taucht nie in der Anfrage auf.

Wenn die URL keinen Port nennt

Die meisten URLs nennen keinen Port. Dann ist parts.port gleich None, und der Client setzt den Standardport für das Schema ein: 80 für http, 443 für https.

books.test ist ein erfundener Name: Namen, die auf .test enden, sind für Beispiele und Tests reserviert und gehören nie zu einer echten Website. urlsplit nimmt den String nur auseinander, also funktioniert es mit jeder URL, ohne den Namen nachzuschlagen oder sich irgendwohin zu verbinden. Dein Client verbindet sich hier mit Port 80, während das None für die Zeile Host trotzdem zählt, wie Lektion 4 zeigt.

urlsplit lässt den Pfad auch leer, wenn die URL direkt nach dem Host endet, wie bei http://books.test. Die Anfragezeile braucht dort trotzdem ein Ziel, und das Ziel für “die Wurzel des Servers” ist /. Lektion 5 behandelt diesen Fall.

from urllib.parse import urlsplit

parts = urlsplit("http://books.test:9000/shelves/3?sort=title&page=2#notes")
print(parts.path)
print(parts.query)
print(parts.port)

Jeder Teil jeder URL bestand bisher aus einfachen ASCII-Wörtern: items, page=2, fiction. Echte Werte sind nicht so ordentlich. Ein Buchtitel kann ein Leerzeichen, einen Schrägstrich, ein kaufmännisches Und oder einen Buchstaben außerhalb von ASCII enthalten, und jedes davon würde die Anfragezeile kaputtmachen oder ändern, was das Ziel bedeutet. Die nächste Lektion macht solche Werte sicher zum Senden.