Modo de empleo

Hay diferentes esquemas URI, cada uno con reglas y significados adicionales, pero intencionadamente se hacen tan similares como sea posible. Por ejemplo, muchos esquemas URL permiten que la autoridad tenga el siguiente formato, llamado aquí un servidor_ip (los corchetes muestran qué es opcional):

servidor_ip = [usuario [ : contraseña ] @ ] host [ : puerto]

Este formato te permite opcionalmente insertar un nombre de usuario, una contraseña y/o un número de puerto. El host es el nombre del ordenador que hace de anfitrión, y su nombre se puede determinar mediante su DNS o una dirección IP (números separados por puntos). Por lo que el URI <http://fred:fredcontraseña@example.com:8080/> se introduce en el servidor web del anfitrión example.com como fred (usando fredcontraseña) usando el puerto 8080. Evite incluir contraseñas en un URI si es posible debido a los muchos riesgos para la seguridad que supone tener un password escrito. Si el URL facilita el nombre de usuario, pero no la contraseña, y el servidor remoto pide la contraseña, el programa que interpreta el URL debe requerir una del usuario.

Aquí hay algunos de los esquemas más comunes usados por sistemas al estilo UNIX, los cuales son comprendidos por muchas aplicaciones. Advierta que algunas aplicaciones usan URI y también tienen esquemas internos o esquemas especializados. Vea en esas aplicaciones la documentación para informarse sobre esos esquemas.

http - Servidor (HTTP) Web

http://servidor_ip/ruta
http://servidor_ip/ruta?cuestion

Esto es un URL accediendo a un servidor (HTTP) Web. El puerto por defecto es 80. Si la ruta se refiere a un directorio, el servidor web elegirá que devolver. Normalmente, si existe un fichero llamado "index.html" o "index.htm" será mostrado, en otro caso, se devuelve una lista de los ficheros del directorio actual (con los enlaces apropiados). Un ejemplo es <http://lwn.net>.

Una pregunta se puede dar en el formato obsoleto "isindex", constituido por una palabra o frase y no incluyendo un signo igual(=). Una petición también se puede dar en un formato más largo "GET", el cual tiene una o más peticiones de entrada para el formulario variable=valor separadas por el carácter ampersand (&). Advierta que variable puede ser repetida más de una vez, piense que son el servidor web y sus aplicaciones los encargados de determinar si tiene significado. Existe una interacción desafortunada entre HTML/XML/SGML y este formato. Cuando tales URI con más de una variable se insertan en un documento SGML/XML (incluyendo HTML), el ampersand (&) es reescrito como &amp;. Advierta que no todas las preguntas tienen este formato. Formatos más largos puede que sean demasiado largos para ser almacenados como una URI, por lo que usan un mecanismo interactivo diferente llamado POST, el cual no incluye los datos en el URI. Véase la especificación del "Common Gateway Interface" en http://www.w3.org/CGI para más información.

ftp - Protocolo de Transferencia de Ficheros (FTP)

ftp://servidor_ip/ruta

Este es un URL de acceso a ficheros a través del protocolo de transferencia de ficheros (FTP). El puerto por defecto (para control) es el 21. Si no se incluye un nombre de usuario, se introduce el usuario llamado "anonymous", y en ese caso algunos clientes dan como contraseña su dirección de correo electrónico. Un ejemplo es <ftp://ftp.is.co.za/rfc/rfc1808.txt>.

gopher - servidor Gopher

gopher://servidor_ip/selector tipogopher
gopher://servidor_ip/selector tipogopher%09search
gopher://servidor_ip/selector tipogopher%09search%09gopher+_cadena

El puerto por defecto es el 70. tipogopher es un campo de un sólo carácter que indica el tipo de recurso Gopher al que se refiere el URL. La ruta entera también puede estar vacía, y en tal caso el delimitador "/" es también opcional, siendo el tipogopher por defecto "1".

selector es la cadena de selección Gopher. En el protocolo Gopher, las cadenas de selección Gopher son una secuencia de octetos que pueden contener cualquier octeto excepto el 09 en hexadecimal (US-ASCII HT o tab), 0A en hexadecimal (US-ASCII carácter LF) y 0D (US-ASCII carácter CR).

mailto - dirección de correo

mailto:dirección_de_correo

Esto es una dirección de correo electrónico, normalmente de la forma nombre@nombrehost. Véase mailaddr(7) para más información acerca del formato correcto de la dirección de correo electrónico. Advierta que cualquier carácter % debe ser reescrito como %25. Un ejemplo es <mailto:dwheeler@dwheeler.com>.

news - Grupo de noticias o Mensaje de noticias

news:nombre-gruponoticias
news:identificador-mensaje

Un nombre-gruponoticias es un nombre jerárquico delimitado por puntos, tal como "comp.infosystems.www.misc". Si <newsgroup-name> es "*" (como <news:*>), se usa para referirse a "todos los grupos de noticias disponibles". Un ejemplo es <news:comp.lang.ada>.

Un identificador-mensaje corresponde a Message-ID de IETF RFC 1036, sin encerrarlo entre "<" y ">". Toma la forma unico@nombre_completo_dominio. Un identificador de mensaje puede ser distinguido de un nombre de grupo de noticias por la presencia del carácter "@".

telnet - sesión Telnet

telnet://servidor_ip/

El esquema de una URL de telnet se usa para designar servicios de texto interactivos a los que se puede acceder a través del protocolo Telnet. El carácter final "/" se puede omitir. El puerto por defecto es el 23. Un ejemplo es <telnet://melvyl.ucop.edu/>.

file - Fichero normal

file://servidor_ip/ruta
file:ruta

Esto representa un fichero o directorio que se puede acceder localmente. Como caso especial, servidor_ip puede ser la cadena "localhost" o una cadena vacía. Esto se interpreta como `la máquina desde la que el URL está siendo interpretado'. Si la ruta es hacia un directorio, el visor debería mostrar el contenido del directorio con enlaces a cada uno de los contenidos. Actualmente, no todos los visores hacen esto. KDE suporta ficheros generados a través del URL <file:/cgi-bin>. Si no se encuentra el fichero indicado, los escritores de visualizadores pueden querer el intentar expandir el nombre del fichero mediante comodines (vea glob(7) y glob(3)).

El segundo formato (por ejemplo, <file:/etc/passwd>) es correcto para referirse a archivos locales. Sin embargo, los estándares más antiguos no permitían este formato, y algunos programas no lo reconocen como un URI. Una sintaxis más portable es usar una cadena vacía como nombre del servidor, por ejemplo, <file:///etc/passwd>. Esto hace lo mismo y es más sencillo de reconocer para las expresiones regulares y los programas más antiguos como un URI. Advierta que si lo que realmente quiere decir es "comienza desde la posición actual," no especificas todo el esquema. En cambio, usa la dirección relativa como <../test.txt> que tiene el efecto colateral de ser independiente del esquema. Un ejemplo de este esquema es <file:///etc/passwd>.

man - páginas man de documentación

man:nombre-orden
man:nombre-orden(sección)

Esto se refiere a las páginas de referencia en línea del manual local. El nombre de la orden opcionalmente puede ir precedido por un paréntesis y un número de sección. Véase man(7) para más información sobre el significado de los números de sección. Este modelo URI es único en los sistemas tipo UNIX (como Linux) y actualmente no está registrado por la IETF. Un ejemplo es <man:ls(1)>.

info - Documentación en páginas info

info:nombrefichero-virtual
info:nombrefichero-virtual#nombrenodo
info:(nombrefichero-virtual)
info:(nombrefichero-virtual)nombrenodo

Este esquema hace referencia a las páginas de referencia en línea del sistema info (generadas a partir de ficheros texinfo), un formato de documentación usado por programas tales como las herramientas GNU. Este modelo URI es único en los sistemas tipo UNIX (tales como Linux) y actualmente no está registrado por el IETF. En el momento de escribir esto, GOME y KDE difieren en sus sintáxis URI y no aceptan la sistáxis del otro. Los primeros dos formatos son el formato de GNOME. Todos los espacios en los nombres de los nodos se escriben como subrayados. Los otros dos formatos son el formato de KDE. Los espacios en los nombres de los nodos se escriben como espacios, aunque esto está prohibido por los estándares URI. Se espera que en un futuro la mayoría de las herramientas comprendan ambos formatos y que acepten subrayados para los espacios en los nombres de los nodos. Tanto en GNOME como en KDE, si se usa la forma sin el nombre de nodo, se asume "Top" como nombre de nodo. Ejemplos del formato de GNOME son <info:gcc> y <info:gcc#G++_and_GCC>.Ejemplos del formato de KDE son <info:(gcc)> y <info:(gcc)G++ and GCC>.

whatis - búsqueda de documentación

whatis:cadena

Busca en la base de datos de descripciones cortas (una línea) de órdenes y devuelve una lista con las descripciones que contienen esa cadena. Sólo se muestran coincidencias de palabras completas. Véase whatis(1). Este esquema URI es único en los sistemas al estilo UNIX (tales como Linux) y actualmente no está registrado por el IETF.

ghelp - documentación de ayuda de GNOME

ghelp:ghelp: nombre-de-aplicación

Carga la ayuda de GNOME para la aplicación dada. Dese cuenta que actualmente no existe mucha documentación en este formato.

ldap - Protocolo Ligero de Acceso a Directorios

ldap://hostport
ldap://hostport/
ldap://hostport/dn
ldap://hostport/dn?attributes
ldap://hostport/dn?attributes?scope
ldap://hostport/dn?attributes?scope?filter
ldap://hostport/dn?attributes?scope?filter?extensions

Este esquema soporta consultas al protocolo LDAP (Lightweight Directory Access Protocol), un protocolo para consultar a un conjunto de servidores sobre información organizada jerárquicamente (como personas y recursos del equipo). Puede encontrar más información sobre el esquema URL para LDAP en RFC 2255 Los componentes de esta URL son:

hostport

el servidor LDAP a consultar, escrito como un nombre de anfitrión seguiro por dos puntos y un número de puerto. El puerto LDAP por omisión es el puerto TCP 389. Si no se indica, el cliente determina qué servidor LDAP usar.

dn

el Nombre LDAP Distinguido, que identifica el objeto base de la búsqueda LDAP (vea RFC 2253 sección 3).

attributes

una lista de atributos, separados por comas, a devolver. Vea RFC 2251 sección 4.1.5. Si se omite, se deberían devolver todos los atributos.

scope

especifica el ámbito de la búsqueda, que puede ser "base" (para una búsqueda de objetos base), "one" (para una búsqueda de un nivel) o "sub" (para una búsqueda de subárbol). Si se omite el ámbito, se asume "base".

filter

especifica el filtro de la búsqueda (subconjunto de entradas a devolver). Si se omite, se deberían devolver todas las entradas. Vea RFC 2254 sección 4.

extensions

Una lista de parejas tipo=valor, separadas por comas, donde la porción =valor se puede omitir para opciones que no la necesiten. Una extensión prefijada con un '!' es crítica (debe estar soportada para ser válida), en otro caso no es crítica (opcional).

Las consultas LDAP son más fáciles de explicar mediante ejemplos. Aquí tiene una consulta que pide a ldap.itd.umich.edu información sobre la Universidad de Michigan en los EE.UU.:

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

Para obtener simplemente su atributo de dirección postal, pregunte:

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

Para pedir información a host.com en el puerto 6666 sobre la persona de nombre común (common name, cn) "Babs Jensen" de la Universidad de Michigan, pregunte:

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

wais - Wide Area Information Servers (Servidores de Información de Área Amplia)

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

Este esquema designa a una base de datos, búsqueda o documento WAIS (vea IETF RFC 1625 para obtener más información sobre WAIS). Hostport es el nombre del anfitrión, seguido opcionalmente por dos puntos y un número de puerto (el número de puerto por omisión es 210).

La primera forma designa a una base de datos WAIS en la que buscar. La segunda forma designa una búsqueda particular en la base de datos WAIS database. La tercer forma designa un documento particular a recuperar dentro de una base de datos WAIS. wtype es una designación WAIS del tipo del objeto y wpath es el identificador de documento WAIS.

Otros formatos

Existen muchos otros esquemas URI diferentes. La mayoría de las herramientas que aceptan URI, también soportan un conjunto de URI internos (por ejemplo, Mozilla tiene el esquema about: para información interna, y el navegador de ayuda de GNOME tiene el formato toc: para diversas localizaciones de comienzo. Hay muchos esquemas que han sido definidos, pero que actualmente no se usan de forma amplia. (por ejemplo, prospero). El esquema nntp: está en desuso en favor del esquema news:. Las URNs van a ser soportadas por el esquema urn:, con un espacio de nombres jerárquico (por ejemplo, urn:ietf:... identificaría documentos IETF). En este momento, las URNs no están ampliamente implementadas. No todas las herramientas soportan todos los esquemas.

Codificación de caracteres

Las URI usan un número limitado de caracteres que pueden ser tecleados y usados multitud de situaciones.

Los siguientes caracteres son reservados, es decir, pueden aparecer en un URI, pero su uso está limitado a su propósito específico (los datos conflictivos deben ser precedidos por una carácter de escape antes de formar el URI):

; / ? : @ & = + $ ,
    

Los caracteres no reservados se pueden incluir en un URI. Los caracteres no reservados incluyen las letras del alfabeto latino en mayúsculas y minúscula, los dígitos, y el siguiente conjunto de marcas de puntuación y símbolos:

- _ . ! ~ * ' ( )
    

Los demás caracteres se deben preceder con carácteres de escape. Un octeto con escape se codifica como un carácter triple, constituido por el carácter de porcentaje "%" seguido de dos dígitos hexadecimales que representan el código del octeto (puede usar letras mayúsculas y minúsculas para los dígitos hexadecimales). Por ejemplo, un espacio en blanco se debe representar como "%20", el carácter tabulador como "%09", y el "&" como "%26". Ya que el carácter de porcentaje siempre tiene el propósito reservado de comenzar una secuencia de escape, se debe representar como "%25". Es una práctica común indicar los caracteres de espacio con el símbolo (+) en frases para consulta. Esta práctica no está definida de forma concisa en los RFCs relevantes (los cuales recomiendan %20 en su lugar) pero cualquier aplicación que reciba URI debería estar preparada para ellos. Un URI siempre se muestra en su forma "de escape".

Los caracteres no reservados se pueden escapar sin cambiar la semántica de la URI, pero esto no se debería hacer a menos que la URI se esté usando en un contexto que no permite que aparezcan caracteres sin escapar. Por ejemplo, se usa "%7e" en lugar de "~" en una ruta HTTP URL pero las dos son equivalentes para una URL HTTP.

Para las URI que deban manejar caracteres fuera del conjunto de caracteres US ASCII, la especificación HTML 4.01 (sección B.2) y el IETF RFC 3986 (úlitmo párrafo de la sección 2.5) recomiendan lo siguiente:

(1)

traducir las secuencias de caracteres a UTF-8 (IETF RFC 3629)—consulte utf-8(7) —y a continuación

(2)

usar el mecanismo de escape URI, es decir, usar la codificación %HH para octetos problemáticos.

Escritura de URI

Cuando son escritos, las URI deberían introducirse entre comillas (por ejemplo, "http://www.kernel.org"), encerrados entre <> (por ejemplo, <http://lwn.net>), o situados en una línea solos. Una advertencia para aquellos que usan comillas dobles: nunca mueva símbolos de puntuación que no pertenezcan a la URI (tales como el punto y final de una frase o la coma en una lista) dentro de ella, ya que esto cambiará su valor. En lugar de eso, use "<>", o cambie a un sistema de notación para no incluir nunca en él caracteres extraños. Este último sistema, llamado el 'nuevo' o 'lógico' sistema de entrecomillado mediante "Las reglas de Hart"y el "Diccionario Oxford para Ecritores y Editores", se considera una buena práctica en Gran Bretaña y en varios idiomas europeos. Algunos documentos más antiguos sugerían añadir el prefijo "URL" justo antes de la URI, pero esta solución nunca llegó a adoptarse mayoritariamente.

La sintáxis URI se diseñó para que no fuera ambigua. Además, como las URI se han convertido en un lugar común, los medios tradicionales (televisión, radio, periódicos, vallas publicitarias, etc.) han incrementado el uso de referencias abreviadas URI formadas sólo por la autoridad y partes de la ruta del identificativo del recurso (por ejemplo, <www.w3.org/Addressing>). Tales referencias son principalmente entendidas por la interpretación humana más que por las máquinas, asumiendo que el estudio del contexto es suficiente para completar el URI (es decir, nombres de host que comiencen por "www" son como tener un prefijo URI "http://" y los host que comiencen con "ftp" usualmente tendrán un prefijo "ftp://"). Algunas implementaciones de clientes resuelven heurísticamente estas referncias. Tales heurísticas pueden cambiar con el tiempo, particularmente cuando se introduzcan nuevos esquemas. Ya que un URI abreviado tiene la misma sintaxis que una ruta URL relativa, la referencia URI relativa no se puede usar donde los URI relativos son permitidos, y sólo se pueden usar cuando no hay una base definida (como en cuadros de diálogo). No use URI abreviados como enlaces de hipertexto dentro de un documento. Use el formato estándar como se describe aquí.

Seguridad

Un URI no posee por sí mismo un tratamiento de seguridad. No hay garantía general de que un URI, que en un tiempo localizó un recurso dado, continue haciéndolo. Ni hay ninguna garantía de que tal URL no localizará un recurso diferente pasado un tiempo. Tal garantía sólo se puede obtener de la(s) persona(s) que mantiene(n) el nombre y el recurso en cuestión.

A veces es posible construir un URL tal que al intentar realizar una operación aparentemente inofensiva, como la recuperación de una entidad asociada con el recurso, se produzca una posible operación remota peligrosa. El URL no seguro se construye típicamente especificando un número de puerto distinto del reservado por el protocolo de red en cuestión. El cliente, inconscientemente contacta con un sitio que de hecho está ejecutando un protocolo diferente. El contenido del URL contiene instrucciones que, cuando son interpretadas de acuerdo con este otro protocolo, causan una operación inexperada. Un ejemplo ha sido el uso de un URL gopher para enviar, a través de un servidor SMTP, un mensaje no intencionado o anónimo.

Se debería llevar cuidado cuando se usa un URL que especifica un número de puerto diferente del que viene por defecto para el protocolo, especialmente cuando se trata de un número dentro del espacio reservado.

Se debería andar con precaución cuando se usa un URI que contiene delimitadores de escape para un protocolo dado (por ejemplo, los caracteres CR y LF para protocolos de telnet) ya que no son decodificados antes de la transmisión. Esto puede violar el protocolo, pero evita el peligro de que algunos caracteres sean usados para simular una operación o parámetro extra en ese protocolo, el cual puede que conduzca a que se lleve a caba una inesperada y posiblemente dañina operación.

Es claramente una mala idea el uso de un URI que contenga una contraseña, la cual es -supuestamente- secreta. En particular, el uso de una contraseña con el componente 'userinfo' de un URI está muy desaconsejada excepto en el infrecuente supuesto de una contraseña para uso público.