URI - standard

URI

RFC 3986 STD: 66 Uniform Resource Identifier (URI): Generic Syntax

場所ベースの URL と名前ベースの URN (urn:ではじまるもの)をあわせた名前空間。どちらもURI。

国際化(IDNA)など対応した。

RFC 3987 IRI ではドメイン以外の部分も含めた国際化に対応していてURIに変換も可能。

RFC 3305 でURL, URNの分け方をやめてまとめてURIとして扱うことになっていたり。そうは言ってもRFC 8141にURNがあったり言い換える必要は低そうなので出てきた世代の名前で呼べばよさそう。

WHATWGのURL StandardではIRIまでまとめてURLと呼ぶように戻っていたり。(予定)

URIの括りでできたacctなどをURLかURNか分ける必要もなく。

ABNFで表記できるがURL Standardになるとそれもなくなってしまう。

code:URI

URI = scheme ":" hier-part "?" query "#" fragment

hier-part = "//" authority path-abempty

/ path-absolute

/ path-rootless

/ path-empty

authority (サーバ等)が含まれない場合、"//" を使ってはいけないことになっているのて file:/// などは不可 ?

code:path

path = path-abempty ; "/" ではじまるか空

/ path-absolute ; "//" ではない "/" ではじまる

/ path-noscheme ; ":"コロンなしsegment ではじまり

/ path-rootless ; segment ではじまり

/ path-empty ; 文字ゼロ

URI suffix

host-meta Web Host Metadata

well-known RFC 8615

https://www.iana.org/assignments/uri-schemes/uri-schemes.xhtml

IRI

URI

URL 基本的に名称はURIに統合される

http / https

ftp

telnet

tel

gopher

mailserver / mailto / imap / pop

ssh

xmpp

acct RFC 7565

doi

ENUM

othauth TOTP

tag RFC 4151

ws / wss WebSocket

URN urn: ではじまること RFC 8141 Section 7

RFCなど

xmpp

scheme

RFC 2396 → 3986 URI構文

RFC 2718 → 4395 → 7595 URI Scheme のガイドラインと登録手順

%エンコード

RFC 3986で更新されている

JavaScriptなどにある encodeURI と encodeURIComponent などの違いもあり

table:符号化

RFC 2396 RFC 2732 RFC 3986

ALPHA ◎ ◎ ◎

DIGIT ◎ ◎ ◎

alphanum ALPHA + DIGIT ALPHA + DIGIT 削除

gen-delims :/?#[]@

sub-delims !$&'()*+,;=

reserved ;/?:@&=+$, ;/?:@&=+$,[] gen-delims + sub-delims

unwise ()|\^[] ()|\^ 削除

mark -_.!~*'() 削除

unreserved alphanum + mark ALPHA + DIGIT + -._~

pchar unreserved + pct-encoded + sub-delims + :@

query文字 pchar + /?

unwise が %符号化の基準になっていたのかな、RFC 3986では消滅しているのでunreserved を使う?

pchar はqueryの区切り文字も含む

URI,URLでの利用を考慮したBASE64URLがあるのでunreservedの場所などで利用できる

query

query文字として通るものを通しておくと制御文字、0x80以降の他は ? & = 程度を追加エスケープすればよさそう

パースルールはサーバなどで決めるのでqueryとして通ればURIでは問題ない?

table:query ASCII

20 30 40 50 60 70

00 E - 0 GA @ - P E? ` - p

01 SA ! - 1 - A - Q - a - q

02 E " - 2 - B - R - b - r

03 GE # - 3 - C - S - c - s

04 SA $ - 4 - D - T - d - t

05 C % - 5 - E - U - e - u

06 S & - 6 - F - V - f - v

07 S ' - 7 - G - W - g - w

08 SA ( - 8 - H - X - h - x

09 SA ) - 9 - I - Y - i - y

0A SA * GA : - J - Z - j - z

0B S + SA ; - K GE [ - k E? {

0C SA , E < - L E \ - l E? |

0D - - S = - M GE ] - m E? }

0E - . E > - N E? ^ - n - ~

0F GA / GE ? - O - _ - o

GE,E エスケープ必要 gen-delims 他

- unreserved エスケープしないほうが良い

SA,GA ASCII記述可

S sub-delims内でエスケープ必要?

C 制御文字(エスケープ必要)

と解釈できそうなもの

エスケープが必要(な場合がある)

gen-delims からは :/?@ の4もじがエスケープ除外されているが?はqueryで利用するので?#[]がエスケープ推奨

"?" "#" はqueryの区切り文字 "?" は前と "#" は flagment と区別する(開始の"?"は推奨程度?)

"［" "]" はIP文字で他の位置で利用禁止

":" 場合によって区切り文字として使われるので必要?

sub-delims

"'" しんぐるくおーと URL区切り文字として使われることがあるのでそのときはエスケープ必須 (queryではなくURI, URLとしてエスケープすればいいかな)

"=" queryの代入文字として使われるので内容としてはエスケープ必須

"&"代入の区切りとして":"とどちらかが使われるので必須

"+" query (URI)では不要? URLの GETやPOSTの場合必要だったり

他

""" だぶるくぉーと、"'" しんぐるくぉーと、" " すぺーすで区切られる可能性があるのでその文字はエスケープ必要

"%" ";" 文字エスケープなのでエスケープ必要 HTMLの %amp; などの場合があり";"は必要に応じて

""" はIP文字としてエスケープ対象になっている。アドレス以外で利用禁止されているのでqueryではエスケープ必要?

BASE64URLにする場合はBASE64と比較してスペース置き換えの"+"とフォルダ区切りの"/"を"-"と"_"に置き換えPaddingの"="を省略する。

query以外でも使えそうな変更がされている

どこで安全か安全ではないか、という基準でunreserved 以外フルエスケープから最低限のエスケープまでいろいろできる