ساختار آدرس اینترنتی (URL)

یک آدرس اینترنتی از چه تکه هایی ساخته شده؟

URL نشانی یک منبع مشخص روی وب است و ساختارش را RFC 3986 تعریف کرده. پنج تکه دارد که هر کدام کار جدا می کنند: پروتکل پیش از دو نقطه، دامنه بعد از دو اسلش، مسیر بعد از اسلش سوم، پرسمان بعد از علامت سوال و لنگر بعد از هشتگ.

روی همین صفحه ای که می خوانید: https پروتکل است، rgb.ir دامنه، و /learn/network/url-anatomy/ مسیر. پرسمان و لنگر اینجا خالی اند، چون این صفحه نه پارامتری لازم دارد و نه جایی برای پریدن.

ترتیب خواندن این تکه ها همان چیزی است که بیشتر آدم ها اشتباه یاد گرفته اند. چشم از چپ می خواند و اولین چیزی که می بیند پروتکل و بعد اولین کلمه دامنه است؛ ولی چیزی که تعیین می کند آدرس مال چه کسی است، انتهای دامنه است نه ابتدایش. بخش بعد دقیقا همین است.

تکه ای هم هست که در ظاهر پیدا نیست: بین دامنه و مسیر می شود شماره درگاه گذاشت، و اگر نگذارید مقدار پیش فرض پروتکل استفاده می شود. برای کاربر عادی این تکه هیچ وقت لازم نمی شود و همین که بدانید وجود دارد کافی است.

چرا خواندن آدرس یک مهارت امنیتی است؟

چون تنها تکه ای که نمی شود جعلش کرد دامنه است و بقیه آدرس را هر کسی هر چه بخواهد می نویسد. مسیر می تواند نام بانک شما باشد، پرسمان می تواند کلمه امن داشته باشد، و هیچ کدام معنایی ندارند. صاحب آدرس، فقط و فقط از روی دامنه معلوم می شود.

و دامنه را باید از آخر خواند. آخرین تکه پسوند است، تکه قبل از آن نام ثبت شده، و هر چه سمت چپ تر بیاید زیردامنه است که صاحب همان نام هر تعدادش را که بخواهد می سازد. پس در rgb.ir.example-site.xyz صاحب آدرس example-site.xyz است و rgb.ir فقط یک زیردامنه است که هر کسی می توانست بسازد. الگوی «پر کردن ابتدای آدرس با یک نام آشنا» دقیقا روی همین شرط بندی می کند که چشم شما از چپ می خواند و زود قانع می شود.

دو چیز دیگر هم هست که کمتر گفته می شود. اول اینکه RFC 3986 اجازه می دهد قبل از دامنه و پیش از علامت @ چیزی نوشته شود، و مرورگر به آنچه بعد از @ آمده می رود نه به آنچه قبلش نوشته شده. دوم اینکه حروف را می شود به شکل درصدی نوشت، مثل %2F به جای اسلش، و آدرسی که پر از این کدهاست ممکن است چیزی را پنهان کند. در هر دو حالت قاعده یکسان است: تکه آخر دامنه، پیش از اولین اسلش، را پیدا کنید و بقیه را نادیده بگیرید.

یک تصور غلط را هم اینجا تمام کنیم: قفل کنار آدرس فقط می گوید ارتباط رمزگذاری شده است، نه اینکه سایت درستکار است. یک سایت جعلی هم می تواند گواهی معتبر بگیرد و می گیرد. تفاوت رمزگذاری با اعتماد را مقاله گواهی SSL چیست باز کرده است.

بعد از علامت سوال چه خبر است؟

هر چیزی که صفحه برای ساختن جواب لازم دارد. پرسمان مجموعه ای از جفت های نام و مقدار است که با علامت & از هم جدا می شوند: شماره صفحه، عبارت جستجو، فیلتر رنگ، شناسه کمپین. برای همین است که دو آدرس با مسیر یکسان و پرسمان متفاوت، دو صفحه متفاوت اند.

و درست به همین دلیل، پرسمان روی چیزی اثر می گذارد که کمتر کسی انتظارش را دارد: کش. روی همین سایت، وقتی صفحه اصلی را بدون پرسمان می گیرید هدر x-fp-cache: HIT-nginx برمی گردد، یعنی nginx فایل آماده را داده و PHP اصلا اجرا نشده. کافی است ?cb= با یک عدد تصادفی به همان آدرس اضافه کنید تا آن هدر اصلا نیاید. با ?utm_source= هم همین اتفاق افتاد. یعنی یک برچسب کمپین در انتهای لینک، از دید لایه کش یک صفحه دیگر است.

اینجا صادق باشیم: در اندازه گیری ما این تفاوت در زمان پاسخ دیده نشد و هر دو حالت حدود پنجاه و پنج صدم ثانیه بودند، چون بیشتر آن عدد مال شبکه است نه سرور. هزینه جای دیگری است. اگر لینک های تبلیغاتی شما همه برچسب دارند، هر کلیک به جای فایل آماده، سراغ PHP می رود؛ روی یک سایت پربازدید همین تفاوت روی بار سرور دیده می شود، نه روی ساعت یک بازدیدکننده.

یک هشدار هم که به همه مربوط است: پرسمان جایی است که گاهی توکن می نشیند. لینک بازنشانی رمز و لینک های امضاشده، کلیدشان را همان جا حمل می کنند. پس فرستادن یک آدرس کامل برای کسی، بی آنکه نگاهش کنید، می تواند دادن یک کلید کارآمد باشد.

هشتگ آخر آدرس چه فرقی با بقیه دارد؟

در اینکه اصلا برای سرور فرستاده نمی شود. هر چه بعد از # بیاید کار مرورگر است و RFC 3986 هم همین را می گوید: لنگر را فقط خود مرورگر تفسیر می کند. کار معمولش هم پریدن به یک تیتر داخل همان صفحه است.

یک نتیجه عملی از این می گیرید که به کار روزمره می آید: عوض شدن لنگر یعنی صفحه دوباره بارگذاری نمی شود. برای همین است که در فهرست مطالب یک مقاله، کلیک روی هر عنوان بی درنگ به همان بخش می برد.

و یک نتیجه دیگر که موقع اشکال یابی به درد می خورد: چون این تکه به سرور نمی رسد، در لاگ سرور هم دیده نمی شود. اگر دنبال این هستید که کاربران بیشتر کدام بخش صفحه را باز می کنند، لاگ جواب نمی دهد.

آدرس تمیز یعنی چه و چرا برای سئو مهم است؟

آدرسی که خواننده بدون باز کردن صفحه بفهمد چه چیزی آن طرف است. کوتاه، با کلمه های واقعی، بدون پارامتر اضافه و بدون تاریخ. سود اصلی اش هم نه قاعده ای در موتور جستجو، که همان قابل فهم بودن است: آدرس خوانا در نتیجه جستجو، در پیام رسان و در لینکی که یک نفر دستی می فرستد بهتر کلیک می خورد.

قاعده ای که ما روی همین سایت رعایت می کنیم و ارزش گفتن دارد این است: عنوان صفحه فارسی است، اسلاگش انگلیسی. اگر وردپرس را به حال خودش بگذارید، آدرس یک نوشته فارسی به شکل درصدی کدگذاری می شود و همان لینک وقتی جایی کپی می شود به یک رشته طولانی و بی معنی تبدیل می شود. زبان های دیگر سایت هم به جای پارامتر، پیشوند مسیر دارند، مثل /en/؛ همین یک تصمیم است که به هر زبان یک آدرس مستقل و یک کنونیکال جدا می دهد.

و مهم ترین چیزی که درباره آدرس باید بدانید ربطی به تمیزی اش ندارد: آدرس، هویت صفحه نزد موتور جستجوست. عوض کردنش یعنی صفحه ای که سال ها اعتبار جمع کرده جای خودش را از دست می دهد، مگر اینکه همان لحظه ریدایرکت دائم بگذارید. پس آدرس زشتی که رتبه دارد را زیبا نکنید؛ آدرس زشت را در صفحه بعدی درست بنویسید.

اگر می خواهید همین موضوع را از سمت سئو دنبال کنید، درس سئو داخلی جای آدرس را کنار عنوان و تیترها می گذارد و مقاله سئو تکنیکال لایه فنی اش را باز می کند.