把歪网址粘进去之前,先认清这页只有一套胶水
手头的活:从旧的投喂日志里翻出一串看着活着、其实歪着的网址,逐个丢进解析页核对分段。第一发就连踩两个雷——example.com:80 被整段认成了协议,半截转义的 %e 让分段表崩在半路。先把预期钉住:这页的拆解只有一台机器,new URL() 加上页面自写的补协议、后缀判断、split 分段与取参数四段胶水;结构表不管你喂什么,都只出 11 行,而页面文案写着共 12 项,差 1 行。下面把这几段胶水对畸形输入吐出的字段值一条条记下来,每条都带上产生它的输入原文。
example.com:80/ 被整段误判成协议
最阴的一发:粘 example.com:80/,冒号被本页的 scheme 正则认作协议名,protocol 吐出 example.com:,pathname 变成 80/,是否安全栏打出大写的 EXAMPLE.COM,报错栏全程一个字没写。换成 http://example.com:80: 才终于等来「URL 格式不合法」——也就是说,对一串没写协议的字符,这页的判断是第一段冒号前的内容都可以是协议。
补协议分支的姊妹行为连协议相对写法一起吞://example.com/a/b?x=1#f 被补成 https 打头,href 落成长 29 的串,页面并不跟随当前页协议。尾随空格被 trim 放行,href 长 21;中间夹 1 个空格、tab 或换行则一律挡下,提示固定一句:URL 中含有空格或换行,请先走编码这一手再粘回来解析。
图 1:example.com:80/ 在本页被贴错标签的路线。
半截转义 %e 抛出 URIError,屏幕停在上半新下半旧
https://e.com/%e 的崩点在自写分段解码那一步,抛出 URIError: URI malformed。按代码写入顺序判定(本轮没开浏览器核屏幕),抛之前结构表与统计行已经写完——这串输入的总字符数是 16——分段表停空,参数编辑区整轮不更新,中间没有任何 try/catch 兜底。这个顺序足够解释为什么页面上半是新的、下半还是旧内容。注意不是每个坏 % 都崩:参数值 q=1%zz2 里的非法转义被原样保留、显示 1%zz2;只有落在分段解码里的半截 %e 才掀桌子。
参数只按 & 切,分号是值的一部分
a=1;b=2&c=%E4%BD%A0%E5%A5%BD 进参数表只出 2 行,第一行显示 a=1;b=2——本页不认分号当分隔符。无键片段 ?onlyvalue 会被保留成一个键名就叫 onlyvalue 的行,+ 则解成空格。重复键是两本账:输入 ?utm_source=x&utm_source=y&b=2,参数表 3 行,复选框只有 2 个,因为勾选列表按 Set 去了重;取消勾选一次,同名两个值一起消失,重组结果 https://e.com/?b=2。而重组这一步并不是从原文里删字符:%zz 变 %25zz、分号变 %3B、无键片段从生成结果里直接没了。所以想删一个参数保其余原样,这页做不到;真要改账,就把串粘回解析页重跑一轮。
图 2:重复键的两本账,与删参重组时的二次编码。
畸形输入与本页产出对照
| 输入 | 本页产出 | 报错栏 |
|---|---|---|
| example.com:80/ | protocol=example.com:,pathname=80/ | 全程安静 |
| //example.com/a/b?x=1#f | 补成 https 打头,href 长 29 | 无 |
| https://e.com/%e | 结构表与统计行写完,分段表停空 | URIError: URI malformed |
| a=1;b=2&c=%E4%BD%A0%E5%A5%BD | 参数表 2 行,首行显示 a=1;b=2 | 无 |
| ?utm_source=x&utm_source=y&b=2 | 3 行参数、2 个复选框 | 无 |
| 空 ? 与空 # 并排 | search、hash 显示「—(空)」,href 保留符号,总字符数 21 | 无 |
中文域名直接落 punycode,字符数按 UTF-16 码元
喂 https://例え.测试/路径 这类国际化测试常客,hostname 变 xn--r8jz45g.xn--0zwm56d,后缀栏显示 .xn--0zwm56d,16 字符的输入(UTF-8 占 28 字节)产出 50 字符且全 ASCII 的 href。统计行那个「总字符数」是 UTF-16 码元数而不是字节数,拿字节尺去对永远对不齐。协议白名单也有说法:只有 http、https、ws、wss、ftp 五个受缺主机名检查;javascript:alert(1) 与 mailto:a@b.com 照样出满 11 行结构表,是否安全栏分别显示 JAVASCRIPT、MAILTO,这里只是枚举本页行为;file:/// 与 data: 的 hostname 显示 —、origin 显示字符串 null、默认端口栏补一个「无」。
常见问题
Q:粘 example.com:80/ 为什么一条报错都没有?
本页的 scheme 正则把冒号前那段当协议名,协议成立后结构表照常输出 11 行;误判的残影只在是否安全栏显示 EXAMPLE.COM、pathname 成了 80/。要让它报错,得写成 http://example.com:80: 这种真畸形。
Q:粘了带 %e 的网址,页面下半截不动了怎么办?
自写分段解码在中途抛 URIError,渲染没有兜底,抛之前写好的字段会留在页面上。把半截转义补完整再重新粘一次即可。
Q:复选框为什么比参数表行数少?
同名键在勾选侧按 Set 去重:3 行参数可以只有 2 个复选框,取消一次就把同名几行的值一起删掉。
Q:重组出来的串和原串字符对不上?
删参重组走的是重新编码,不是删除:%zz 变 %25zz、分号变 %3B、无键片段消失。想弄清各段本身怎么划分,回头看网址分段怎么拆那篇。