第 1 章 全面剖析网络爬虫
5
图 1.2 浏览器端源代码
我们可以这样解释它 ：这是一个可 以 通过 HTTP 协议访问的资源，位于主 机
www.webmonkey.com.cn 上，通过路径 “ /html/html40 ” 访问。
URL 是 URI 的一个子集 。 它 是 Uniform Resource Loca tor 的缩写 ， 译为 “ 统一资源定位
符 ” 。 通俗地说， URL 是 Internet 上描述信息资源的字符串，主要用在各种 WWW 客户程
序和服务器程序上 ， 特别是著名的 Mosaic 。 采用 URL 可以用一种统一的格式来描述各种信
息资源，包括文件、服务器的地址和目录等。 URL 的格式由三部分组成：
�
第一部分是协议 ( 或称为服务方式 ) 。
�
第二部分是存有该资源的主机 IP 地址 ( 有时也包括端口号 ) 。
�
第三部分是主机资源的具体地址 ， 如目录和文件名等。
第一部分和第二部分用 “ :// ” 符号隔开，第二部分和第三部分用 “ / ” 符号隔开。第一
部分和第二部分是不可缺少的，第三部分有时可以省略。
根据 URL 的定义，我们给出了常用的两种 URL 协议的例子，供大家参考。
1 ． HTTP 协议的 URL 示例
使用超级文本传输协议 HTTP ，提供超级文本信息服务的资源 。
例： http://www.peopledaily.com . cn/channel/welcome.htm
其计算机域名为 www.peopledaily.com.cn 。超级文本文件 ( 文件类型为 . html) 是在目录
/channel 下的 welcome.htm 。这是中国人民日报的一台计算机。
例： http://www.rol.cn.net/talk/talk1.htm
其计算机域名为 www.rol.cn.net 。超级文本文件 ( 文件类型为 .html) 是在目录 /talk 下 的
