Normalización de URI

Las siguientes normalizaciones se describen en RFC 3986 ^{[ 1 ]} para obtener URI equivalentes:

• Conversión de tripletes codificados en porcentaje a mayúsculas. Los dígitos hexadecimales dentro de un triplete codificado en porcentaje de la URI (por ejemplo, %3aversus %3A) no distinguen entre mayúsculas y minúsculas y, por lo tanto, deben normalizarse para usar letras mayúsculas para los dígitos AF. ^{[ 2 ]} Ejemplo:

http://example.com/foo%2a→http://example.com/foo%2A

• Convertir el esquema y el host a minúsculas. Los componentes esquema y host de la URI no distinguen entre mayúsculas y minúsculas y, por lo tanto, deben normalizarse a minúsculas. ^{[ 3 ]} Ejemplo:

HTTP://User@Example.COM/Foo→http://User@example.com/Foo

• Decodificación de tripletes codificados en porcentaje de caracteres no reservados. Los tripletes codificados en porcentaje de la URI en los rangos de ALPHA ( %41– %5Ay %61– %7A), DIGIT ( %30– %39), guion (– %2D), punto (– %2E), guion bajo ( %5F–) o tilde (– %7E) no requieren codificación en porcentaje y deben decodificarse a sus caracteres no reservados correspondientes. ^{[ 4 ]} Ejemplo:

http://example.com/%7Efoo→http://example.com/~foo

• Eliminación de segmentos de punto. Los segmentos de punto .y ..en el componente de ruta de la URI deben eliminarse aplicando el algoritmo remove_dot_segments ^{[ 5 ]} a la ruta descrita en RFC 3986. ^{[ 6 ]} Ejemplo:

http://example.com/foo/./bar/baz/../qux→http://example.com/foo/bar/qux

• Convertir una ruta vacía en una ruta "/". En presencia de un componente de autoridad, un componente de ruta vacía debe normalizarse a un componente de ruta de "/". ^{[ 7 ]} Ejemplo:

http://example.com→http://example.com/

• Eliminación del puerto predeterminado. Se debe eliminar un componente de puerto vacío o predeterminado de la URI (puerto 80 para el httpesquema) con su delimitador ":". ^{[ 7 ]} Ejemplo:

http://example.com:80/→http://example.com/

Para las URI HTTP y HTTPS, las siguientes normalizaciones enumeradas en RFC 3986 pueden dar como resultado URI equivalentes, pero no están garantizadas por los estándares:

• Agregar una barra diagonal al final de una ruta no vacía. Los directorios (carpetas) se indican con una barra diagonal al final y deben incluirse en las URI. Ejemplo:

http://example.com/foo→http://example.com/foo/

Sin embargo, no hay forma de saber si un componente de ruta URI representa un directorio o no. El RFC 3986 señala que si la primera URI redirige a la segunda, eso indica que son equivalentes.

La aplicación de las siguientes normalizaciones da como resultado una URI semánticamente diferente, aunque pueda referirse al mismo recurso:

• Eliminación del índice de directorio. Los índices de directorio predeterminados generalmente no son necesarios en las URI. Ejemplos:

http://example.com/a/index.html→http://example.com/a/

http://example.com/default.asp→http://example.com/

• Eliminación del fragmento. El componente de fragmento de una URI nunca es visto por el servidor y, en ocasiones, puede eliminarse. Ejemplo:

http://example.com/bar.html#section1→http://example.com/bar.html

Sin embargo, las aplicaciones AJAX utilizan con frecuencia el valor del fragmento.

• Reemplazar la IP con el nombre de dominio. Comprobar si la dirección IP se corresponde con un nombre de dominio. Ejemplo:

http://208.77.188.166/→http://example.com/

La reversión de la operación rara vez es segura debido a los servidores web virtuales .

• Limitación de protocolos. Limitación de diferentes protocolos de capa de aplicación . Por ejemplo, el esquema “https” podría reemplazarse por “http”. Ejemplo:

https://example.com/→http://example.com/

• Eliminación de barras diagonales duplicadas Las rutas que incluyen dos barras diagonales adyacentes se pueden convertir en una sola. Ejemplo:

http://example.com/foo//bar.html→http://example.com/foo/bar.html

• Eliminar o agregar “www” como primera etiqueta de dominio. Algunos sitios web operan de forma idéntica en dos dominios de Internet: uno cuya etiqueta menos significativa es “www” y otro cuyo nombre es el resultado de omitir la etiqueta menos significativa del nombre del primero, este último conocido como dominio desnudo . Por ejemplo, http://www.example.com/y http://example.com/pueden acceder al mismo sitio web. Muchos sitios web redirigen al usuario de la dirección www a la dirección sin www o viceversa. Un normalizador puede determinar si una de estas URI redirige a la otra y normalizar todas las URI adecuadamente. Ejemplo:

http://www.example.com/→http://example.com/

• Ordenación de los parámetros de consulta. Algunas páginas web utilizan más de un parámetro de consulta en la URI. Un normalizador puede ordenar los parámetros alfabéticamente (junto con sus valores) y reconstruir la URI. Ejemplo:

http://example.com/display?lang=en&article=fred→http://example.com/display?article=fred&lang=en

Sin embargo, el orden de los parámetros en una URI puede ser significativo (esto no está definido por el estándar) y un servidor web puede permitir que la misma variable aparezca varias veces. ^{[ 8 ]}

• Eliminación de variables de consulta no utilizadas. Una página puede esperar que solo aparezcan ciertos parámetros en la consulta; los parámetros no utilizados se pueden eliminar. Ejemplo:

http://example.com/display?id=123&fakefoo=fakebar→http://example.com/display?id=123

Tenga en cuenta que un parámetro sin valor no es necesariamente un parámetro no utilizado.

• Eliminación de parámetros de consulta predeterminados. Un valor predeterminado en la cadena de consulta puede mostrarse de forma idéntica tanto si está presente como si no. Ejemplo:

http://example.com/display?id=&sort=ascending→http://example.com/display

• Eliminar el signo de interrogación cuando la consulta está vacía. Cuando la consulta está vacía, puede que no sea necesario el signo de interrogación. Ejemplo:

http://example.com/display?→http://example.com/display