World Wide Web

World Wide Web

World Wide Web-ul este un spaţiu de informaţie în care elementele de interes, cunoscute sub numele de resurse, sunt recunoscute prin utilizarea unor identificatori globali, denumiţi URI (Uniform Resource Identifiers). Termenul nu trebuie confundat cu Internetul; web-ul este de fapt un serviciu care acţionează deasupra Internetului.

Modul de funcţionare a Web-ului

Resursele obişnuite ale web-ului sunt denumite pagini web. Pentru accesarea unei pagini web sau a unei alte resurse se începe prin introducerea URL-ulul asociat acelei pagini în browser, sau prin folosirea unui hyperlink către pagina respectivă. În mod evident, un pas anterior constă în rezolvarea numelui serverului din URL într-o adresa IP folosind DNS.

Următorul pas este transmiterea unei cereri HTTP către serverul web care funcţionează la adresa IP rezolvată. Se solicită astfel pagina web (sau resursa) prezentă în URL. O pagină web obişnuită este, în cea mai mare parte, un fişier text în format HTML. În urma solicitării, serverul web identifică resursa şi o transmite clientului. Clientul este chiar browser-ul.

În continuare, sarcina browser-ului este de a reda pagina descrisă de fişierele HTML, CSS şi alte fişiere, încorporând imagini, link-uri şi alte resurse după cum este necesar. Rezultatul este afişarea paginii solicitate în ecranul browser-ului.

Majoritatea paginilor web vor conţine hyperlink-uri către alte pagini, către fişiere care pot fi descărcate sau către alte resurse web. O astfel de colecţie de resurse interconectate prin intermediul hyperlink-urilor a fost denumită un web de informaţie.

Uniform Resource Locator (URL)

Un URL reprezintă un format standardizat de adresare a resurselor de pe Internet. Un URL este de fapt un URI (Uniform Resource Identifier); altfel spus, este un identificator al unei resurse. URL-ul a fost o inovaţie fundamentală în istoria Internetului. Sintaxa a fost proiectată pentru a fi generică, extensibilă și capabilă să exprime adresele în orice set de caractere utilizând un subset limitat de caractere ASCII.

Un URL combină într-o adresă simplă cele patru elemente de bază necesare pentru localizarea unei resurse oriunde in cadrul Internetului:

- protocolul folosit in cadrul comunicaţiei.

- serverul (host) cu care se comunica.

- portul de pe server folosit pentru conectare,

- calea către resursa de pe server (spre exemplu un nume de fişier).

Sintaxa folosită în cadrul URL-ului este protocol://server:port/cale. Dacă se doreşte şi autentificare, sintaxa are formatul protocol://nume:parola@server:port/cale. Ultima formă a sintaxei poate fi folosită, spre exemplu, la autentificarea pe site-uri FTP.

Un exemplu de URL este cel de mai jos:

http: //www.samplesite.org:80/pub/search.html ?search=world&num=10

În acest exemplu:

- http este protocolul;

- www.samplesite.org este serverul;

- 80 este portul folosit pentru conectarea la server (de vreme ce 80 este valoarea implicită pentru protocolul HTTP, această porţiune putea fi omisă);

- /pub/search.html este calea către resursă;

- ?search=world&num=10 este șirul de interogare (această parte este opţională).

În absenţa cîmpului protocol din URL, într-un browser se foloseşte implicit HTTP. De asemenea, întrucât portul 80 este cel implicit, în mod normal nu este specificat. Drept urmare, un utilizator va introduce numai un URL parţial precum www. sampiesite.org/ pub/search.html. Totodată, pentru a confirma relevanţa www ca serviciu în Internet, o înregistrare DNS cu cheia sampiesite.org va avea, de obicei, asociată aceeaşi adresă IP ca înregistrarea pentru www.sampiesite.org. În acest fel, o bună parte din site-urile web pot fi accesate fără specificarea www în faţa numelui de domeniu.

Hypertext Transfer Protocol

HTTP reprezintă principala metoda de obţinere a informaţiei în World Wide Web. Scopul iniţial a fost crearea unei modalităţi de publicare şi transmitere de pagini HTML. Dezvoltarea HTTP a fost coordonată de World Wide Web Consortium şi Internet Engineering Task Force, culminînd cu publicarea unei serii de RFC-uri, cel mai notabil RFC 2616, care descrie HTTP/1.1, versiunea HTTP utilizată în aceste momente. Versiunea HTTP/1.1 aduce mai multe îmbunătăţiri şi caracteristici noi, dar rămâne perfect compatibilă cu HTTP/1.0.

HTTP este un protocol de tip întrebare/răspuns între clienţi şi servere. Un client web (de obicei un browser), stabileşte o conexiune TCP pe un port al unei staţii (portul implicit este portul 80). Un server HTTP ascultă pe acel port şi aşteaptă din partea clientului transmiterea unei cereri de forma:

GET /cale/catre/resursa HTTP/1.0

urmată de un mesaj de tip MIME conţinând un set de antete pentru descrierea cererii şi un câmp opţional de date. Unele antete sunt opţionale, pe când altele, precum Host sunt obligatorii (pentru HTTP/1.1). După primirea cererii, serverul transmite clientului un şir de tip răspuns, cum ar fi 200 OK, şi un mesaj reprezentând fişierul cerut sau un mesaj de eroare sau altă informaţie.

Răspunsul trimis de server începe cu un cod ce indică tipul răspunsului, încadrându-se în următoarele categorii:

- lxx: informare;

- 2xx: succes;

- 3xx: redirectare;

- 4xx: mesaj de interogare eronat;

- 5xx: eroare la nivelul serverului.

HTTP diferă de alte protocoale care folosesc TCP (cum este FTP) prin încheierea conexiunii după ce o anumită cerere a fost satisfăcută. Acest lucru face din HTTP protocolul ideal pentru World Wide Web, unde paginile au legături către alte pagini pe alte servere. Lipsa unei conexiuni persistente impune programatorilor web folosirea unor metode alternative pentru a reţine starea conexiunii. Printre acestea se numără cookies, variabile ascunse (în form-uri web) sau sesiuni pe server.

O altă caracteristică importantă a HTTP este lipsa securităţii comunicaţiei. Acest lucru a condus la apariţia HTTPS. HTTPS este versiunea securizată a HTTP, utilizând SSL/TLS (Secure Sockets Layer/Transport Layer Security) pentru a proteja traficul. Protocolul foloseşte implicit portul 443. SSL, iniţial creat pentru a proteja HTTP (dar folosit acum împreună cu alte protocoale), este potrivit comunicaţiilor HTTP întrucât poate asigura protecţie chiar dacă numai unul din membrii comunicaţiei (serverul) este autentificat. Aceasta este situaţia obişnuită în cazul tranzacţiilor HTTP pe Internet.

HyperText Markup Language

HTML face parte din categoria limbajelor descriptive (markup languages) şi este folosit pentru crearea de pagini web şi alte informaţii care să poată fi redate într-un browser web. HTML este folosit pentru a structura informaţia, descriind anumite porţiuni de text ca antete, paragrafe, liste, etc, şi poate fi folosit pentru a defini semantica unui document.

Iniţial definit de Sir Tim Berners Lee şi apoi dezvoltat de IETF cu o sintaxă SGML simplificată, HTML este astăzi un standard internaţional. Specificaţia HTML este menţinută de World Wide Web Consortium (W3C).

Primele versiuni de HTML erau definite cu reguli sintactice destul de permisive, aspect care a ajutat la adoptarea sa către cei care nu aveau familiaritate cu publicarea web. Browser-ele realizau diverse presupuneri despre intenţia acestora şi continuau cu redarea paginii respective. De-a lungul timpului, în cadrul standardelor oficiale, a apărut intenţia de a crea o sintaxă de limbaj din ce în ce mai strictă. Cu toate acestea, browser-ele continuă să redea pagini care sunt departe de un format HTML valid. Versiunea curentă a specificaţiei HTML este HTML 4.01. W3C a intenţionat înlocuirea acestuia cu XHTML, care aplică regulile stricte ale XML în HTML. Adoptarea XHTML se realizează într-un ritm mai puţin rapid, drept pentru care W3C dezvoltă versiunea 5 a HTML.

Tipurile de marcaje existente în HTML sunt:

• marcaj structural - descrie scopul textului; spre exemplu <h2>section</h2> direcţionează browser-ul să redea section ca un antet de nivel doi.