URLを部品に分けて読む
次の URL を例に、部品の名前を見てみます。
https://user@www.example.co.jp:8080/blog/post.html?id=12&q=%E3%81%82#comments
| 部品 | 例 | 意味 |
|---|---|---|
| スキーム | https | 通信のやり方。http、https、mailto など |
| ユーザー情報 | user@ | ログイン名(今はほとんど使われない。省略されることが多い) |
| ホスト | www.example.co.jp | どのサーバーか。ドメイン名または IP アドレス |
| ポート | 8080 | サーバーの窓口番号。省略すると https は 443、http は 80 |
| パス | /blog/post.html | サーバー内のどのページか |
| クエリ | ?id=12&q=... | ページに渡す追加情報。名前=値 を & でつなぐ |
| フラグメント | #comments | ページ内の位置。サーバーには送られない(ブラウザの中だけで使われる) |
ホスト名は「右から」読む
ドメイン名は、右にある部分ほど大きな単位です。www.example.co.jp なら、jp(国)→ co.jp(会社)→ example(登録された名前)→ www(その持ち主が自由に付けた名前)の順です。登録された名前より左は、持ち主が自由に付けられます。
これを使って、本物らしく見せる手口があります。次の2つは、どちらも見た目に example.com が入っていますが、持ち主が違います。
| URL | 実際のホスト(持ち主) |
|---|---|
https://example.com.login-check.example/ | login-check.example(example.com は、その持ち主が付けた左側の名前にすぎない) |
https://example.com@login-check.example/ | login-check.example(@ の前は「ユーザー情報」で、ホストではない) |
見るべき場所は、https:// の次から、最初の / の手前までのうち、最後の2〜3区切りと、その直前の @ の有無です。
エンコードが必要な文字
URL に使える文字は決まっていて、それ以外は % と16進数(UTF-8 のバイト)に置き換えます。これが URL エンコード(パーセントエンコーディング)です。
| 文字 | エンコード後 | 理由 |
|---|---|---|
| あ(日本語) | %E3%81%82 | URL に直接使えない文字 |
| (スペース) | %20 | URL に使えない |
& | %26 | クエリの区切りと区別するため |
= | %3D | 名前と値の区切りと区別するため |
# | %23 | フラグメントの始まりと区別するため |
? | %3F | クエリの始まりと区別するため |
+ | %2B | フォームではスペースを表すため |
/ | %2F | パスの区切りと区別するため(値の中に入れるとき) |
エンコードしなくてよいのは、英数字と - . _ ~ です。クエリの値にあたる部分は、必ず値だけをエンコードしてから、? や & でつなぎます。URL 全体を丸ごとエンコードすると、:// まで壊れます。
よくある落とし穴
二重エンコード
すでにエンコードされた %E3%81%82 を、もう一度エンコードすると %25E3%2581%2582 になります(% 自体が %25 になる)。サーバーで1回デコードしても %E3%81%82 が残り、日本語に戻りません。URL に %25 がたくさん見えたら、二重エンコードを疑ってください。
+ と %20 のちがい
フォームから送られるクエリ(application/x-www-form-urlencoded)では、スペースが + で表されます。一方、パスの中や一般のURLエンコードでは、スペースは %20 です。「+ を含む値」を送るときは %2B にしないと、サーバー側でスペースとして読まれます。
JavaScript の関数の使い分け
| 関数 | 用途 |
|---|---|
encodeURIComponent | クエリの値など、URLの一部だけをエンコードする。& = ? # / もエンコードされる |
encodeURI | URL全体のうち、日本語やスペースだけをエンコードする。& = ? # / は残る |
迷ったら、値には encodeURIComponent を使うのが安全です。
フラグメントはサーバーに届かない
# 以降は、ブラウザだけが使います。アクセスログにも残りませんし、サーバー側のプログラムでは読めません。ページ内リンクや、画面の状態の保存に使われます。
URL の長さには限度がある
URL の長さの上限は、仕様では決まっていませんが、ブラウザやサーバー、プロキシによって上限があります。実用上は2,000文字程度までに収めるのが無難です。長いデータはクエリではなく、リクエストの本文(POST)で送ります。
日本語ドメインと文字コード
ドメイン名に日本語を使うときは、ブラウザの表示は日本語でも、内部では xn-- で始まる形(Punycode)に変換されています。ドメイン以外(パスやクエリ)の日本語は、UTF-8 のパーセントエンコーディングです。古いサイトでは、パスやクエリを Shift_JIS や EUC-JP でエンコードしていることがあり、UTF-8 として読むと文字化けします。
怪しい URL を確認するチェックリスト
https://の次から最初の/までのホスト名を見る。@が入っていないか。- ホストの右側の2〜3区切りが、本物の会社のドメインと一致するか。
- 見た目が似た別の文字(
lとI、0とO、日本語ドメインの似た文字)に置き換えられていないか。判断がつかないときは Punycode変換でxn--の形を見る。 - 短縮 URL は、そのままクリックせずに、遷移先を表示するサービスで確認する。
- QR コードを読み取った後は、表示された URL のホスト名を確認してからアクセスする。
- それでも不安なときは、リンクをたどらず、公式サイトをブックマークや検索から開き直す。