uri, url, urn - Identificateur de ressource uniforme (URI), comprenant URL ou URN

URI = [ URI_absolu | URI_relatif ] [ "#" fragment ]
URI_absolu = mécanisme ":" ( partie_hiérarchique | partie_opaque )
URI_relatif = ( chemin_réseau | chemin_absolu | chemin_relatif ) [ "?" requête

mécanisme = "http" | "ftp" | "gopher" | "mailto" | "news" | "telnet" | "file" | "man" | "info" | "whatis" | "ldap" | "wais" | ...
partie_hierarchique = ( chemin_réseau | chemin_absolu ) [ "?" requête ]

chemin_réseau = "//" autorité [ chemin_absolu ]
chemin_absolu = "/"  segments_chemin
chemin_relatif = segment_relatif [ chemin_relatif ]

Un Identificateur de Ressource Uniforme (URI) est une courte chaîne de caractères identifiant une ressource physique ou abstraite (par exemple une page web). Une Localisation de Ressource Uniforme (URL) est un URI qui identifie une ressource à travers son moyen d'accès (sa "position" réseau par exemple), plutôt que par son nom ou un autre attribut de la ressource. Un Nom de Ressource Uniforme (URN) est un URI qui doit rester globalement unique, et persister même si la ressource cesse d'exister ou devient indisponible.
Les URI constituent le mécanisme standard pour nommer les destinations des liens hypertextes pour les outils comme les navigateurs web. La chaîne "http://www.kernelnotes.org" est une URL (et donc un URI). Beaucoup de gens utilisent le terme URL comme vague synonyme de URI (bien que techniquement les URL soient un sous-ensemble des URI).
Les URI peuvent être absolus ou relatifs. Un identificateur absolu référence une ressource indépendamment du contexte, alors qu'un identificateur relatif référence une ressource en décrivant la différence par rapport au contexte courant. Dans les références de chemins relatifs, les segments complets "." et ".." ont des significations particulières : "le niveau actuel dans la hiérarchie" et "le niveau au-dessus dans la hiérarchie", respectivement tout comme dans les systèmes type Unix. Un segment de chemin qui contient un caractère deux-points ne peut pas être utilisé comme premier segment du chemin d'un URI (par exemple "ceci:cela"), car on le confondrait avec le mécanisme. Précédez un tel segment avec ./ (par exemple "./ceci:cela"). Notez que les descendants de Ms-Dos (par ex. Windows) remplacent le deux-points du nom de périphérique par une barre verticale dans les URI, ainsi "C:" devient "C|".
Un identificateur de fragment, s'il est présent, référence une portion particulière de la ressource ; le texte après le '#' identifie le fragment. Un URI commençant par '#' référence le fragment dans la ressource courante.

Il y a plusieurs schémas d'URI différents, chacun ajoutant des règles et des significations spécifiques, mais ils sont volontairement rendus le plus ressemblants possible. Par exemple, plusieurs schémas d'URL permettent le format suivant pour décrire l'autorité d'un chemin réseau, que l'on appellera serveur_ip (les crochets encadrent les parties optionnelles) :

serveur_ip = [user [ : password ] @ ] hôte [ : port]

Ce format permet d'insérer éventuellement un nom d'utilisateur, suivi éventuellement d'un mot de passe, et/ou un numéro de port. La partie hôte est le nom de l'ordinateur, soit son nom déterminé par le DNS, soit son adresse IP (numéros séparés par des points). Ainsi l'URI <http://fred:fredpassword@xyz.com:8080/> se connecte dans le serveur web sur l'ordinateur xyz.com avec l'identité fred (et le mot de passe fredpassword) en utilisant le port 8080. Evitez d'utiliser les mots de passe dans les URI à cause des risques liés à la sécurité sitôt que l'on écrit un mot de passe. Si l'URL indique un nom d'utilisateur et pas de mot de passe, et si le serveur distant réclame un mot de passe, alors le programme interprétant l'URL peut en demander un à l'utilisateur.
Voici les mécanismes les plus courants utilisés sur les systèmes type Unix, compris par de nombreux outils. Notez que beaucoup d'outils gérant les URI ont aussi des mécanismes internes ou spécialisés ; voyez la documentation de ces outils pour plus de détails.

http://serveur_ip/chemin
http://serveur_ip/chemin?requête
Il s'agit d'une URL accédant à un serveur web (HTTP). Le port par défaut est 80. Si le chemin référence un répertoire, le serveur choisira ce qu'il renverra. Habituellement, si un fichier nommé "index.html" ou "index.htm" est présent, son contenu est renvoyé. Sinon, il crée et renvoie une liste des fichiers dans le répertoire en cours avec les liens appropriés. Un exemple : <http://lwn.net>.
Une requête peut être formulée dans le format archaïque "isindex", consistant en mot ou phrase sans signe égal (=). Une requête peut aussi être dans le format "GET" plus long, qui a une ou plusieurs entrées de requêtes de la forme clé=valeur sépararées par un caractère "et commercial" (&). Notez que la clé peut être répétée plusieurs fois, et c'est au serveur web et ses programmes applicatifs de déterminer s'il y a une signification pour cela. Il y a une interaction malheureuse avec HTML/XML/SGML et le format de requête GET. Quand une telle requête avec plusieurs clés est incluse dans un document SGML/XML (y compris HTML), le "et commercial" (&) doit être réécrit sous forme "&amp;". Notez que toutes les requêtes n'utilisent pas ce format ; elles peuvent être trop longues pour être stockée en URL et utilisent un mécanisme d'interaction différent (appelé POST) sans inclure les données dans l'URI. Voir la spécification Common Gateway Interface (CGI) à l'adresse <http://www.w3.org/CGI> pour plus de détails.

ftp://serveur_ip/chemin
Cette URL accède à un fichier à travers le protocole FTP. Le port par défaut (pour les commandes) est 21. Si aucun nom d'utilisateur n'est inclus, l'utilisateur "anonymous" est employé, et dans ce cas de nombreux clients fournissent l'adresse email du requérant en guise de mot de passe. Un exemple est <ftp://ftp.is.co.za/rfc/rfc1808.txt>.

gopher://serveur_ip/type_gopher sélecteur
gopher://serveur_ip/type_gopher sélecteur%09recherche
gopher://serveur_ip/type_gopher sélecteur%09recherche%09chaine_gopher+

Le port gopher par défaut est 70. Le type_gopher est un champ composé d'un unique caractère indiquant le type de ressource Gopher à laquelle l'URL fait référence. Le chemin entier paut aussi être vide, auquel cas le délimiteur "/" est aussi optionnel et le type_gopher prend la valeur par défaut "1".
selecteur est une chaîne de sélecteur Gopher. Dans le protocole Gopher, la chaîne de sélecteur est une séquence d'octets pouvant contenir tous les octets sauf 09 hexadécimal (HT Ascii ou Tabulation), 0A hexadécimal (LF Ascii), et 0D (CR Ascii).

mailto:adresse-email
Il s'agit d'une adresse email, en principe de la forme nom@nom_hôte. Voir mailaddr(7) pour plus d'informations sur le format correct d'une adresse email. Notez que les caractères % doivent être transformés en %25. Un exemple : <mailto:dwheeler@dwheeler.com>.

news:nom-groupe-news
news:id-message
Un nom-groupe-news est un nom hiérarchique délimité par des points, comme "comp.infosystems.www.misc". Si nom-groupe-news est "*" (comme dans <news:*>), l'URL référence tous les groupes news disponibles. Un exemple : <news:comp.lang.ada>.
Un id-message correspond au champ identificateur Message-ID de la RFC 1036 de l'IETF sans les chevrons "<" et ">" ; il prend la forme unique@nom-domaine-complet. Un identificateur de message peut être distingué d'un nom de groupe de news par la présence du caractère "@".

telnet://serveur_ip/
Le mécanisme d'URL Telnet est utilisé pour afficher un service interactif accessible par le protocole Telnet. Le caractère "/" final peut être omis. Le port par défaut est 23. Un exemple : <telnet://melvyl.ucop.edu/>.

file://serveur_ip/segments_chemins
file:segments_chemins
Ceci représente un fichier ou un répertoire accessible localement. En particulier, hôte peut être la chaîne "localhost" ou une chaîne vide ; elle est interprétée comme "la machine sur laquelle l'URL est en cours d'interprétation". Si le chemin conduit à un répertoire, le navigateur devrait afficher le contenu du répertoire avec des liens pour chaque élément. Tous les navigateurs ne le font pas encore. KDE supporte les fichiers générés par l'URL <file:/cgi-bin>. Si le fichier n'est pas trouvé, l'analyseur du navigateur peut essayer de développer le nom du fichier (voir glob(7) et glob(3)).
Le second format (par ex. <file:/etc/passwd>) est le format correct pour référencer un fichier local. Toutefois les anciens standards ne le permettaient pas, et certains programmes ne le reconnaissent pas comme URI. Une syntaxe plus portable est d'utiliser une chaîne vide en guise de nom de serveur <file:///etc/passwd> ; cette forme à le même effet et est reconnue facilement comme un URI par les analyseurs des anciens programmes. Notez que si vous désirez vraiment écrire "débuter de l'emplacement actuel", n'indiquez pas de mécanisme ; utilisez une adresse relative comme <../test.txt>, qui est indépendante du mécanisme. Un exemple de ce mécanisme est <file:///etc/passwd>.

man:nom-commande
man:nom_commande(section)
Ceci référence les pages de documentation en-ligne (man) locales. Le nom de la commande peut être suivi éventuellement de parenthèses et d'un numéro de section. Voir man(7) pour plus de renseignements sur la signification du numéro de section. Ce mécanisme d'URI est unique aux systèmes Unix (comme Linux) et n'est pas encore enregistré par l'IETF. Un exemple : <man:ls(1)>.

info:nom-de-fichier-virtuel
info:nom-de-fichier-virtuel#nom-de-noeud
info:(nom-de-fichier-virtuel)
info:(nom-de-fichier-virtuel)nom-de-noeud
Ce mécanisme référence les pages de documentation en-ligne info (créées par les fichiers texinfo), un format utilisé par les outils GNU. Ce mécanimse est spécifique aux systèmes Unix (comme Linux) et n'est pas encore enregistré par l'IETF. Actuellement, Gnome et Kde divergent dans la syntaxe d'URI et chacun rejete la syntaxe de l'autre. Les deux premiers formats sont ceux de Gnome ; dans le nom de noeud, tous les espaces sont remplacés par des soulignés. Les deux formats suivants sont ceux de Kde ; les espaces doivent rester tels quels, même si c'est interdit dans les standards d'URI. On peut espérer que dans l'avenir la plupart des outils comprendront les deux formats et accepteront des soulignés en remplacement des espaces. Dans tous les cas, le format sans nom de noeud est supposé viser le noeud "Top". Exemples de format Gnome : <info:gcc> et <info:gcc#G++_and_GCC>. Exemples de format Kde : <info:(gcc)> et <info:(gcc)G++ and GCC>.

whatis:chaîne
Ce mécanisme parcourt une base de données de courtes (une ligne) descriptions des commandes et renvoie une liste des descriptions contenant la chaîne. Seules les correspondances de mots complets sont renvoyées. Voir whatis(1). Ce mécanisme est unique aux systèmes Unix (comme Linux) et n'est pas encore enregistré par l'IETF.

ghelp:nom-application
Ceci charge la documentation d'aide Gnome pour l'application indiquée. Notez qu'il n'y a pas encore beaucoup de documentation dans ce format.

ldap://hostport
ldap://hostport/
ldap://hostport/dn
ldap://hostport/dn?attributs
ldap://hostport/dn?attributs?portée
ldap://hostport/dn?attributs?portée?filtre
ldap://hostport/dn?attributs?portée?filtre?extensions
Ce mécanisme supporte les requêtes utilisant le protocole Lightweight Directory Access Protocol (LDAP), pour interroger un ensemble de serveurs à propos d'informations organisées hiérarchiquement (comme des gens ou des ressources de calcul). Des informations supplémentaires sur les mécanismes d'URL LDAP sont disponibles dans la RFC 2255 : Les composants de l'URL sont :

hostport

le serveur LDAP à interroger, écrit comme un nom d'hôte suivi éventuellement par un deux-points et un numéro de port. Le port TCP pour le LDAP est 389. Si le nom est vide, le client détermine le serveur LDAP à utiliser.

dn

Le nom complet (Distinguished Name) LDAP, qui identifie l'objet de base de la recherche LDAP (voir RFC 2253 section 3).

attributs

une liste d'attributs séparés par des virgule à renvoyer ; voir la RFC 2251 section 4.1.5. Par défaut tous les attributs sont renvoyés..

portée

indique la portée de la recherche qui peut être "base" (recherche d'objet de base), "one" (recherche sur un niveau), ou "sub" (recherche dans un sous-arbre). Par défaut, on considère "base".

filtre

indique le filtre de recherche (sous-ensemble des entrées à renvoyer). Par défaut, toutes les entrées sont renvoyées. Voir RFC 2254 section 4.

extensions

une liste de paires type=valeur séparées par des virgules, où la portion =valeur peut être omise pour les options ne la nécessitant pas. Une extension préfixée par un '!' est critique (doit être supportée pour être valide), sinon elle est non-critique (facultative).

Les requêtes LDAP sont plus faciles à comprendre par l'exemple. Voici une requête demandant à ldap.itd.umich.edu des informations à propos de l'Université du Michigan aux U.S. :

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

Pour n'obtenir que l'attribut Adresse Postale, on demanderait :

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

Pour demander à host.com, sur le port 6666 des informations sur la personne de nom courant (cn) "Babs Jensen" à l'University du Michigan, demandez :

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

wais://hostport/base
wais://hostport/base?recherche
wais://hostport/base/wtype/wpath
Ce mécanisme désigne une base de données WAIS, une recherche ou un document (voir IETF RFC 1625 pour plus de renseignements sur WAIS). Hostport est le nom d'hôte, suivi éventuellement d'un deux-points et d'un numéro de port (par défaut 210).
La première forme désigne une base de données WAIS pour les recherches. La seconde désigne une recherche particulière dans la base WAIS indiquée. La troisième forme désigne un document particulier à retrouver dans la base de données WAIS. wtype est la désignation WAIS du type d'objet et wpath est l'identificateur WAIS du document.

Il existe d'autres mécanismes URI. La plupart des outils traitant les URI acceptent un jeu d'URI internes (par exemple Mozilla a un mécanisme about: pour les informations internes, et le navigateur d'aide Gnome a un mécanisme toc: pour diverses opérations). Il y a de nombreux mécanismes qui ont été définis mais pas très utilisés pour l'instant (par exemple, prospero). Le mécanisme nntp: est déconseillé en faveur de celui news:. Les URN seront supportés par le mécanisme urn: avec des espaces de noms hierarchique (ex : urn:ietf:... pour les documents IETF). Pour le moment, les URN ne sont pas très largement implémentés. Touts les outils ne supportent pas tous les mécanismes.

Les URI utilisent un nombre limité de caractères afin d'être saisis et utilisés dans de nombreuses situations.
Les caractères suivants sont réservés ; ils peuvent appararaître dans un URI, mais leurs usages est limités aux fonctionnalités réservées (les données conflictuelles doivent être protégées avant de former l'URI) :

   ; / ? : @ & = + $ ,

Les caractères non-réservés peuvent être inclus dans un URI. Les caractères non-réservés incluent les majuscules et minuscules anglaises, les chiffres décimaux, et l'ensemble suivant de signes de ponctuation et de symboles :

 - _ . ! ~ * ' ( )

Tous les autres caractères doivent être protégés. Un octet protégé est encodé sous forme d'un triplet de caractères, consistant en un signe pourcent "%" suivi de deux chiffres hexadécimaux représentant le code de l'octet (les lettres hexadécimales peuvent être en majuscules ou en minuscules). Par exemple un espace blanc doit être protégé sous forme "%20", une tabulation "%09" et le "&" en "%26". Comme le caractère "%" a toujours un rôle réservé pour potéger les autres caractères, il faut le protéger sous forme "%25". Il est courant de protéger le caractère espace en symbole plus (+) dans les requêtes. Cette pratique n'est pas défini uniformément dans les RFC correspondantes (qui recommandent %20 plutôt) mais tous les outils acceptant les URI avec des requêtes préparées ainsi. Une URI est toujours montrée dans sa forme protégée.
Les caractères non-réservés peuvent être protégés sans modifier la sémantique de l'URI, mais il faut l'éviter sauf si l'URI est utilisé dans un contexte qui ne permet pas l'utilisation du caractère non protégé. Par exemple "%7E" est parfois utilisé à la place de "~" dans les URL HTTP mais les deux sont en réalité équivalents dans ce contexte.
Pour les URI qui doivent manipuler des caractères hors du jeu Ascii, les spécifications HTML 4.01 (section B.2) et la RFC 2718 (section 2.2.5) préconisent l'approche suivante :

1.

traduire le caractère en séquence UTF-8 (RFC 2279) - voir utf-8(7) - puis

2.

utiliser le mécanisme d'échappement d'URI, c'est-à-dire, utiliser les %HH pour coder les octets non-sûrs.

Lorsqu'il est écrit, un URI doit être placé entre guillemets ("http://www.kernelnotes.org"), encadré par des chevronss (<http://lwn.net>), ou placé sur une ligne indépendante. Un avertissement à propos des guillemets : Ne jamais introduire une ponctuation supplémentaire (comme le point final d'une phrase ou la virgule séparant les éléments d'une liste) à l'intérieur de l'URI, car cela modifierait sa valeur. [NDT : cet avertissement vaut surtout pour les anglo-saxons ; en français l'usage veut que les éléments de ponctuations restent à l'extérieur des guillemets.] On peut utiliser les chevrons à la place, ou basculer sur un système de notation qui n'incopore aucun caractère supplémentaire à l'intérieur des marques de citation. Ce système [NDT : le nôtre !], appelé "nouveau" ou "logique" par les "Hart's Rules" et le "Oxford Dictionnary for Writes and Editors", est la pratique préférée des hackers dans le monde entier. Voir la section sur le style d'écriture dans le Jargon File pour plus de détails. Les documentations anciennes suggèrent d'insérer le préfixe "URL:" juste avant un URI, mais cette forme n'a jamais été utilisée réellement.
La syntaxe des URI a été conçue pour éviter les ambiguïtés. Toutefois, comme les URI sont devenus de plus en plus répandus, les médias traditionnels télévision, radio, journaux et magazines...) ont utilisé de manière croissante des abréviations d'URI, consistant en la seule partie autorité et segments de chemin de la ressource (par exemple <www.w3.org/Addressing>). De tels références sont surtout prévues pour une interprétation humaine, avec la supposition que la compréhension du contexte permet de compléter l'URI (par exemple les noms d'hôtes commençant par "www' se préfixent avec "http://" et les noms commençant par "ftp" doivent se préfixer avec "ftp://"). De nombreux clents résolvent ces références avec de telles heuristiques. Elle peuvent toutefois évoluer, particulièrement quand de nouveaux mécanismes sont introduits. Comme les URI abrégés ont la même syntaxe qu'un chemin d'URL relative, les références abrégées ne sont pas utilisables lorsque des URI relatifs sont autorisés. N'utilisez pas d'URI abrégés comme liens hypertexte dans un document ; utilisez le format standard décrit ici.

Un outil acceptant les URI (par exemple un navigateur web) sur un système Linux devrait être capable de traiter (directement ou indirectement) tous les mécanismes décrits ici, y compris man: et info:. Sous-traiter ces éléments à un autre programme est tout à fait acceptable, et même encouragé.
Techniquement, la notation d'un fragment ne fait pas partie de l'URI.
Pour savoir comment incorporer des URI (y compris des URL) dans un format de données, voir la documentation sur ce format. HTML utilise le format <A HREF="uri"> text </A>. Les fichiers texinfo utilisent le format @uref{uri}. Man et mdoc ont une macro UR récemment ajoutée, ou incluent juste l'URI dans le texte (les visualiseurs doivent détecter le :// comme portion d'URI).
Les environnements Gnome et Kde divergent actuellement sur les URI qu'ils acceptent, en particulier dans leurs systèmes d'aide. Pour lister les pages de manuel, Gnome utilise <toc:man> alors que Kde utilise <man:(index)>. Pour lister les pages info, Gnome emploie <toc:info> et Kde <info:(dir)> (l'auteur de cette page préfère l'approche Kde, bien qu'un format plus régulier serait encore meilleur). En général, Kde utilise <file:/cgi-bin/> comme préfixe pour les fichiers générés. Kde préfère la documentation en Html, accessible avec <file:/cgi-bin/helpindex>. Gnome préfère le mécanisme ghelp pour stocker et retrouver la documentation. Aucun navigateur ne gèe les références file: vers un répertoire à l'heure où j'écris ces lignes, ce qui rend difficile de se référer à un répertoire avec un URI navigable. Comme indiqué plus haut, ces environnements diffèrent sur la gestion du mécanisme info:, probablement leur plus importante divergence. On espère que Gnome et Kde vont converger vers des formats d'URI communs, et la future version de cette page décrira le résultat de cette convergence.

Un URI ne pose pas de problème de sécurité par lui-même. Il n'y a aucune garantie qu'une URL, qui localise une ressource à un moment donné contiuera de le faire. Pas plus qu'il n'y a de garantie qu'une URL ne localisera pas une ressource différente à un autre moment. Les seules garanties peuvent être fournies par les personnes qui gère l'espace de noms de la ressource en question.
Il est parfois possible de construire une URL de manière qu'une tentative de réaliser une opération apparement bénigne, comme accéder à la ressource associée, va en réalité produire une action éventuellement dommageable pour le correspondant. Les URL non sûres sont typiquement construites en indiquant un numéro de port différents de ceux réservés pour les protocoles en question. Le client, croyant contacter un site, va en réalité engager un autre protocole. Le contenu de l'URL contient des instructions, qui interprétées par l'autre protocole, produisent des résultats inattendus. Un exemple a été l'emploi d'une URL Gopher pour envoyer un message falsifié et indésiré sur un serveur SMTP.
Il faut être prudent en utilisant une URL qui indique un numéro de port différent de celui du protocole, particulièrement si ce numéro est dans l'espace réservé.
Il faut s'assurer que lorsque l'URI contient des délimiteurs protégés pour un protocole donné (par exemple CR et LF pour le protocole telnet) qu'ils ne soient pas "dé-protégés" avant la transmission. Ceci peut violer le protocole, mais évite le risque que ces caractères servent à simuler une opération dans ce protocole, ce qui peut conduire à des actions distantes éventuellement nocives.
Il est clairement déraisonnable d'utiliser un URI qui contient un mot de passe censé être secret. En particulier, l'utilisation du mot de passe dans la partie "info utilisateur" de l'URI est fortement déconseillé, sauf s'il s'agit d'un de ces cas rares où le mot de passe est vraiment public.

IETF RFC 2396, HTML 4.0.

La documentation peut se trouver dans un grand nombre d'endroit, ainsi il n'y a pas encore de bon mécanisme d'URI pour la documentation générale en-ligne, dans des formats arbitraires. Les référence de la forme <file:///usr/doc/ZZZ> ne fonctionnent pas, car différentes distributions et installations locales peuvent placer les fichiers dans divers répertoires (cela peut être /usr/doc, ou /usr/local/doc, ou /usr/share, ou autre part). De même, le répertoire ZZZ change en principe avec le numéro de version (bien que le développement des noms de fichiers puisse partiellement couvrir ce problème). Finalement, l'utilisation du mécanisme file: n'est pas recommandée pour les gens qui consultent la documentation dynamiquement depuis Internet plutôt que de la télécharger sur leur système de fichiers local. Un mécanisme d'URI sera peut être ajouté dans l'avenir (ex: "userdoc:") pour permettre aux programme d'inclure des références vers de la documentation plus détaillées sans avoir à connaître l'emplacement exact de celle-ci. Autrement, une version future des spécifications du système de fichiers peut décrire les emplacements de manière suffisament précise pour que le mécanisme file: soit capable de situer la documentation.
De nombreux programmes et formats de fichiers n'incluent aucune manière d'incorporer ou l'implémenter des liens utilisant les URI.
Beaucoup de programmes ne traitent pas tous les formats URI différents ; il devrait y avoir un mécanisme standard pour charger un URI quelconque qui détecte automatiquement l'environnement utilisateur (ex : texte ou graphique, environnement graphique, localisation, outils disponibles) et invoque le bon outil quelque soit l'URI.

David A. Wheeler (dwheeler@dwheeler.com) a écrit cette page de manuel.

lynx(1), mailaddr(7), utf-8(7), man2html(1), IETF RFC 2255.

Christophe Blaess, 2003.