13.2URI und URL 

Die URL (Uniform Resource Locator) ist das Adressenformat für eine Ressource im Web. Eine URL ist formal in RFC 1738 beschrieben und stellt so etwas wie einen Dateinamen für das Dateisystem dar. Eine Adresse wie http://www.tutego.com/seminare/ zeigt eine übliche URL für Webadressen. Die Angaben beginnen mit einem Schema (auch Protokoll genannt), es folgen Doppelpunkt und weitere Angaben wie der Servername und ein Pfad auf das Verzeichnis. Das Protokoll bestimmt die Zugriffsart, und das meistverwendete Protokoll ist HTTP (Hypertext Transfer Protocol), mit dem auf Inhalte des Webs zugegriffen wird.

 

13.2.1Die Klasse URI 

Bei der URL geht es darum, dass die Ressource angesprochen werden kann, und daher ist auch immer ein Zugriffsschema mit der URL verbunden, etwa http, ftp oder file. Einfach nur zum Beispiel download.movies/TheFairlyOddParents anzugeben reicht nicht aus; erst mit dem Schema kann ein Client auf die Ressource zugreifen, denn ob sie lokal liegt, über HTTP angesprochen wird oder über FTP, das macht einen ziemlich großen Unterschied.

Kommt es aber auf das Protokoll nicht an, und geht es nur darum, eine Ressource eindeutig zu identifizieren, wird der Begriff URI (Uniform Resource Identifier) verwendet. Ein URI hat ebenfalls ein Schema, aber er spricht keine Ressource an, zu der eine Verbindung aufgebaut werden kann. So identifiziert der URI urn:isbn:978-3-8362-2873-2 die Java-Insel, aber keinen Ort. Eine URL ist somit nichts anderes als ein URI mit einer kodierten Zugriffsmöglichkeit. Eigentlich ist der Begriff URL damit veraltet, aber viele Internetbenutzer sind mit dem Begriff aufgewachsen, sodass auch die Insel bei dem Begriff »URL« bleibt.[ 113 ](Das Ganze ist schon etwas verwirrend, und selbst das W3C hat extra ein Dokument (http://www.w3.org/TR/ uri-clarification/) aufgesetzt, das Klarheit schaffen soll.)

In Java wird ein URI durch die Klasse java.net.URI beschrieben. Eine Aufgabe der Klasse ist die Normalisierung, also das Auflösen von relativen Angaben mit »..«.

 

13.2.2Die Klasse URL 

Um ein URL-Objekt zu erzeugen, ist es am einfachsten, über eine String-Repräsentation der URL-Adresse zu gehen:

Die URL-Klasse hat zusätzliche Konstruktoren; diese sind nützlich, wenn Komponenten der Adresse – also Zugriffsart (beispielsweise das HTTP), Hostname und Dateireferenz – getrennt angegeben sind. Eine Alternative zur oben genannten Form ist:

Das zweite Argument in diesem Konstruktor ist die Basisadresse der URL, und das dritte Argument ist der Name der Ressource relativ zur Basisadresse. Ist diese Basisadresse null, was möglich ist, dann ist die zweite Angabe absolut zu nehmen. Und ist das zweite Argument in absoluter Notation formuliert, wird alles im ersten String ignoriert.

Da eine URL auch einen entfernten Rechner an einem anderen Port ansprechen kann, existiert dafür ebenfalls ein Konstruktor:

Die URL des Objekts wurde durch eine absolute Adresse erzeugt. Diese enthält dann alle Informationen, die für den Aufbau zum Host nötig sind. Es können jedoch auch URL-Objekte erzeugt werden, bei denen nur eine relative Angabe bekannt ist. Relative Angaben werden häufig bei HTML-Seiten verwendet, da die Seite so besser vor Verschiebungen geschützt ist. Damit die Erzeugung eines URL-Objekts mit relativer Adressierung gelingt, muss eine Basisadresse bekannt sein. Ein Konstruktor für relative Adressen erwartet diese Basisadresse als Argument:

Diese Art und Weise der URL-Objekt-Erzeugung ist besonders praktisch für Referenzen innerhalb von Webseiten (engl. named anchors). Besitzt eine Webseite eine Textmarke lang, so kann der URL-Konstruktor für relative URLs so verwendet werden:

Ausnahmen bei der URL-Erzeugung

Jeder der Konstruktoren löst eine geprüfte Ausnahme vom Typ MalformedURLException aus, wenn das Argument im Konstruktor entweder null ist oder ein unbekanntes Protokoll (wie in telepatic:\\ullenboom\brain\java) beschreibt. Somit ist der Code in der Regel von einem Block der folgenden Art umgeben:

Es ist wichtig zu erkennen, dass die Ausnahme nicht erzeugt wird, weil der angesprochene Rechner nicht erreicht werden kann. Nur die Schreibweise der URL ist für die Ausnahme ausschlaggebend. Die Konstruktoren bauen keine Internetverbindungen auf.

• URL(String spec) throws MalformedURLException
  Erzeugt ein Objekt aus der URL-Zeichenkette.

• URL(String protocol, String host, int port, String file) throws MalformedURLException
  Erzeugt ein URL-Objekt mit dem gegebenen Protokoll, Hostnamen, der Port-Nummer und Datei. Ist die Port-Nummer –1, wird der Standard-Port verwendet; für das WWW ist der Port zum Beispiel 80.

• URL(String protocol, String host, String file) throws MalformedURLException
  Das Gleiche wie URL(protocol, host, –1, file).

• URL(URL context, String spec) throws MalformedURLException
  Erzeugt relativ zur gegebenen URL ein neues URL-Objekt.

 

13.2.3Informationen über eine URL * 

Ist das URL-Objekt einmal angelegt, lassen sich Attribute des Objekts erfragen, aber nicht mehr ändern. Es gibt zwar Setter-Methoden, doch sind diese protected und somit den Unterklassen vorbehalten. Uns normalen Klassenbenutzern bietet die URL-Klasse nur Methoden zum Zugriff auf Protokoll, Hostname, Port-Nummer und Dateiname. Es lassen sich jedoch nicht alle URL-Adressen so detailliert aufschlüsseln; außerdem sind manche Zugriffsmethoden nur für HTTP sinnvoll.

• String getProtocol()
  Liefert das Protokoll der URL.

• String getHost()
  Liefert den Hostnamen der URL, sofern dies möglich ist. Für das Protokoll »file« ist dies ein leerer String. Im Fall einer IP-Adresse steht die Angabe in [ eckigen Klammern ].

• int getPort()
  Liefert die Port-Nummer. Ist sie nicht gesetzt, liefert getPort() eine –1.

• String getRef()
  Gibt den Anker – alles hinter dem # – zurück. Bei »vorne#anker« liefert getRef() also den String »anker«.

• String getPath()
  Gibt nur den Pfad der URL ohne Anker zurück.

• String getFile()
  Gibt den Dateinamen der URL zusammen mit dem Anker zurück.

• String getQuery()
  Liefert den Anfrage-String, also das, was hinter dem Fragezeichen steht.

Das nachfolgende kleine Programm erzeugt ein URL-Objekt für http://www.tutego.com:80/java/faq.html#lang?key=val und gibt die ermittelbaren Attribute aus:

Listing 13.1com/tutego/insel/net/ParseURL.java, main()

Verweisen zwei URLs auf die gleiche Seite?

Die URL-Klasse untersucht mit equals(Object), ob alle Komponenten der einen URL mit der anderen URL übereinstimmen. Zunächst testet die Methode, ob es sich bei dem zu vergleichenden Objekt um ein Exemplar von URL handelt. Wenn ja, untersucht equals(Object) über sameFile(URL) Protokoll, Host, Port, Datei und dann auch noch, ob die Komponenten Referenzen (Anker) besitzen oder nicht.

• boolean sameFile(URL other)
  Vergleicht zwei URL-Objekte. Die Methode liefert true, wenn beide Objekte auf die gleiche Ressource zeigen. Der Anker der HTML-Dateien ist unwichtig.

• boolean equals(Object o)
  Auch equals(Object) vergleicht intern mit sameFile(URL), doch zusätzlich auch, ob die beiden Anker gleich sind.

 

13.2.4Der Zugriff auf die Daten über die Klasse URL 

Um auf die auf dem Webserver gespeicherten Dokumente zuzugreifen, gibt es drei Möglichkeiten:

• Jedes URL-Objekt besitzt die Methode openStream(), die einen InputStream zum Weiterverarbeiten liefert, sodass wir dort die Daten auslesen können.

• Die API-Beschreibung erwähnt, dass openStream() eigentlich nur eine Abkürzung für openConnection().getInputStream() ist. openConnection() erzeugt ein URLConnection-Objekt, auf dem getInputStream() den Eingabestrom liefert. So können wir natürlich auch mit openConnection() und URLConnection direkt arbeiten.

• Bei der dritten Möglichkeit ist Handarbeit angesagt, weshalb wir sie in Abschnitt 13.6, »Mit dem Socket zum Server«, beschreiben. Dazu brauchen wir auch die URL-Klasse nicht mehr.

Mit dem Scanner und dem InputStream eine Datei aus dem Netz laden

Verweist die URL auf eine Textdatei, dann erweitern wir oft den InputStream zu einem BufferedReader, da dieser eine readLine()-Methode besitzt. Die Scanner-Klasse lässt sich ebenfalls optimal einsetzen, da sie zum einen Zeile für Zeile und zum anderen mit dem passenden Delimiter auch die ganze Eingabe lesen kann. Insofern unterscheidet sich das Lesen einer Datei nicht vom Lesen eines entfernten URL-Objekts:

Listing 13.2com/tutego/insel/net/PrintFileFromUrl.java

Wir erzeugen ein URL-Objekt und rufen darauf die openStream()-Methode auf. Diese liefert einen InputStream auf den Dateiinhalt. Sind die Daten gelesen, schließt close() – aufgerufen über das try mit Ressourcen – den Datenstrom. Auf das Schließen der Ressourcen ist immer zu achten, Ausnahmen dürfen nicht dazu führen, dass diese Ressourcen offen bleiben.

Der Konstruktor-Aufruf URL(String) löst eine MalformedURLException aus, wenn die URL falsch formuliert ist. MalformedURLException ist eine Unterklasse von IOException, sodass es – wie im oberen Beispiel gezeigt – ausreicht, den Obertyp zu fangen, denn openStream() bzw. openConnection() lösen ebenfalls eine IOException aus, wenn beim Netzwerkzugriff etwas schiefgeht. Allerdings sollten die Ausnahmen schon getrennt werden, denn ein falsches Format ist ein grundsätzlich anderer Fehlertyp als ein Netzzugriffsproblem.

• final InputStream openStream() throws IOException
  Öffnet eine Verbindung zum Server und liefert einen InputStream zurück. Diese Methode ist eine Abkürzung für openConnection().getInputStream().

• URLConnection openConnection() throws IOException
  Liefert ein URLConnection-Objekt zurück, das die Verbindung zum entfernten Objekt vertritt. openConnection() wird vom Protokoll-Handler immer dann aufgerufen, wenn eine neue Verbindung geöffnet wird.