16.2 URI und URL 

Bekannt aus der Welt des Internets handelt es sich hier um das Adressenformat für eine Ressource im Web: die URL (Uniform Resource Locator). Eine URL ist formal im RFC 1738 beschrieben und stellt so etwas wie einen Dateinamen für das Dateisystem dar. Die allgemeinste Form einer URL ist folgende:

Schema:Spezialisierung des Schemas

Nach dem RFC 1738 werden die folgenden Schemata unterschieden:

Wir wollen ein Schema im Folgenden auch Protokoll nennen. Das Protokoll bestimmt die Zugriffsart, und das meistverwendete Protokoll ist mittlerweile HTTP (Hypertext Transfer Protocol), mit dem auf Inhalte des Webs zugegriffen wird. Die URL für die Dienste im Web beginnt mit »http«. Als Beispiel soll http://www.java-tutor.com/seminare/ dienen. Die URL enthält den Namen des benutzten Schemas (http), und nach einem Doppelpunkt folgen der Servername und ein Pfad auf das Verzeichnis. Sun unterstützt im Java-SDK die zusätzlichen Protokolle »doc«, »file«, »ftp«, »gopher«, »http«, »jar«, »mailto«, »system«, »verbatim«. Unterschiedliche Implementierungen haben mehr oder weniger unterstützte Protokolle. Eigene Protokolle lassen sich leicht selbst implementieren.

Während die Syntax für oben nicht genannte Adressierungen schwankt, lässt sich für die IP-basierten Protokolle (IP für »Internet Protocol«) eine Syntax für den schemenspezifischen Teil ausmachen. Dieser beginnt nach einem Doppel-Slash. Somit ist deutlich, dass diese Angabe dem Internet-Schema folgt:

//user:password@host:port/filepath#ref

Einige oder alle Teile können bei einer URL ausgelassen werden. So sind »user:password@«, »:password«, »:port«, »filepath« und »ref« optional und protokollabhängig. Sind Benutzername und das Passwort angegeben, so folgt ein At-Zeichen »@«. Natürlich dürfen im Passwort und Benutzernamen Doppelpunkt, At-Zeichen oder Slash nicht vorkommen.

Die einzelnen Komponenten haben folgende Bedeutung:

user Ein optionaler Benutzername. Dieser kann für den Zugriff über ftp vergeben werden.

password Ein optionales Passwort. Es folgt, getrennt durch einen Doppelpunkt, nach dem Benutzernamen. Ein leerer Benutzername und ein leeres Passwort (etwa ftp://@host.com) sind etwas anderes als kein Benutzername beziehungsweise kein Passwort (zum Beispiel ftp://host.com/). Ein Passwort ohne Benutzername kann nicht angegeben werden. Umgekehrt natürlich schon: So hat ein ftp://oing:@host.com einen Benutzernamen, aber ein leeres Passwort.

host Auf die Angabe des Protokolls folgt der Name der Domain oder die IP-Adresse des Servers. Name und IP-Adressen sind in der Regel gleichwertig, da von einem besonderen Dienst der Name in eine IP-Adresse umgesetzt wird – verlangt doch eine achtstellige IP-Adresse ein zu gutes Gedächtnis.

port Eine Verbindung zu einem Rechner entsteht immer durch eine Art Tür, die Port genannt wird. Diese Port-Nummer lässt den Server die Dienste kategorisieren, und jeder Dienst bekommt eine andere Port-Nummer, damit sie sich unterscheiden lassen. Normalerweise horcht der HTTP-Server auf Port 80.

url-path Auf den Servernamen folgt die Angabe der Datei, auf die wir via HTTP oder FTP zugreifen wollen. Da sie in einem Verzeichnis liegen kann, beschreibt die folgende Angabe den Weg zur Datei. Ist keine Datei vorhanden und endet die Angabe der URL mit einem Slash »/«, so versucht der Web-Server, auf eine der Dateien index.html oder index.htm zuzugreifen.

16.2.1 URI 

Eine URL hat immer ein Protokoll und ist die Spezialisierung einer URI (Uniform Resource Identifier). In Java wird ein URI-Objekt durch die Klasse java.net.URI beschrieben. Die wichtigste Aufgabe der Klasse ist die Normalisierung, also das Aufösen von relativen Angaben mit »..«.

16.2.2 Die Klasse URL 

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

URL jtUrl = new URL( "http://java-tutor.com/index.html" );

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

URL jtUrl = new URL( "http", "java-tutor.com", "index.html" );

Das zweite Argument in diesem Konstruktor ist die Basisadresse der URL und das dritte Argument 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:

URL url = new URL( "http", "java-tutor.com", 80, "index.html" );

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, wo 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.

URL jtUrl   = new URL( "http://java-tutor.com" );
URL jtIndex = new URL( jtURL, "index.html");

Diese Art und Weise der URL-Objekt-Erzeugung ist besonders praktisch für Referenzen innerhalb von Web-Seiten (Named Anchors).

URL virtuellUrl       = new URL( "http://java-tutor.com" );
URL virutellBottomUrl = new URL( virtuellURL, "faq.html#lang" );

Ausnahmen bei der URL-Erzeugung

Jeder der Konstruktoren wirft eine MalformedURLException, wenn das Argument im Konstruktor entweder null ist oder er ein unbekanntes Protokoll (wie in telepatic:\\ulli\brain\java) beschreibt. Somit ist der Code in der Regel von einem Block der folgenden Art umgeben:

try {
  URL myURL = new URL( ... )
}
catch ( MalformedURLException e ) {
  // Fehlerbehandlung
}

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. Internet-Verbindungen bauen die Konstruktoren nicht auf.

Hier klicken, um das Bild zu Vergrößern

final class java.net.  URL
  implements Serializable

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, Host-Namen, Port-Nummer und Datei. Ist die Port-Nummer –1, wird der Standardport 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.

16.2.3 Informationen 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. So lassen sich Protokoll, Host-Name, Port-Nummer und Dateiname mit Zugriffsmethoden erfragen. Es lassen sich jedoch nicht alle URL-Adressen so detailliert aufschlüsseln; außerdem sind manche Zugriffsmethoden nur für HTTP sinnvoll.

final class java.net.  URL
  implements Serializable

String getProtocol() Liefert das Protokoll der URL.

String getHost() Liefert den Host-Namen der URL, sofern dies möglich ist. Für das Protokoll »file« ist dies ein leerer String. Im Falle einer IP-Adresse ist 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() 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 Anfragestring, also das, was hinter dem Fragezeichen steht.

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

Listing 16.1   com/javatutor/insel/net/ParseURL.java

package com.javatutor.insel.net;
import java.net.MalformedURLException;
import java.net.URL;
class ParseURL
{
  public static void main( String[] args )
  {
    try
    {
      URL url = new URL( "http://java-tutor.de:80/java/faq/index.html?key=val#Lang" );
      System.out.println( url.getProtocol() );  // http
      System.out.println( url.getHost() );      // java-tutor.com
      System.out.println( url.getPort() );      // 80
      System.out.println( url.getFile() );      // /java/faq/index.html?key=val
      System.out.println( url.getPath() );      // /java/faq/index.html
      System.out.println( url.getQuery() );     // key=val
      System.out.println( url.getRef() );       // Lang
    }
    catch ( MalformedURLException e )
    {
        e.printStackTrace();
    }
  }
}

Verweisen zwei URLs auf die gleiche Seite?

Die URL-Klasse untersucht mit equals(), ob alle Komponenten der einen URL mit der anderen URL übereinstimmen. Zunächt teset die Methode, ob es sich bei dem zu vergleichenden Objekt um ein Exemplar von URL handelt. Wenn ja untersucht equals() über sameFile() Protokoll, Host, Port, Datei und dann auch noch, ob ob die Komponenten Referenzen (Anker) besitzen oder nicht. Wie schon im 6. Kapitel beschreiben, macht equals() eine Namensauflösung wenn nötig.

final class java.net.  URL
  implements Serializable

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() verleicht intern mit sameFile(), doch zusätzlich auch, ob die beiden Anker gleich sind.

16.2.4 Der Zugriff auf die Daten über die Klasse URL 

Um auf die auf dem Web-Server gespeicherten Daten zuzugreifen, gibt es drei Möglichkeiten. Zwei davon nutzen Streams, und zwar einmal über die Klasse URL und einmal über eine URLConnection. Bei der dritten Möglichkeit ist Handarbeit angesagt, weshalb wir sie im Kapitel über Sockets beschreiben.

Jedes URL-Objekt besitzt die Methode openStream(), die einen InputStream zum Weiterverarbeiten liefert, so dass wir dort die Daten auslesen können:

InputStream in = myUrl.openStream();

final class java.net.  URL
  implements Serializable

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, welches die Verbindung zum entfernten Objekt vertritt. openConnection() wird vom Protokoll-Handler immer dann aufgerufen, wenn eine neue Verbindung geöffnet wird.

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 16.2   com/javatutor/insel/net/ReadAllFromUrl.java

package com.javatutor.insel.net;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
import java.util.Scanner;
class ReadAllFromUrl
{
  public static void main( String[] args )
  {
    InputStream is = null;
    try
    {
      URL url = new URL( "http://java-tutor.com/aufgaben/bond.txt" );
      is = url.openStream();
      System.out.println( new Scanner( is ).useDelimiter( "\\Z" ).next() );
    }
    catch ( Exception e ) {
      e.printStackTrace();
    }
    finally {
      if ( is != null )
        try { is.close(); } catch ( IOException e ) { e.printStackTrace(); }
    }
  }
}

Wir erzeugen ein URL-Objekt und rufen darauf die openStream()-Methode auf. Diese liefert einen InputStream auf den Dateiinhalt.

In der API-Beschreibung wird erwähnt, dass diese Funktion eigentlich nur eine Abkürzung für openConnection().getInputStream() ist. openConnection() erzeugt ein URLConnection-Objekt, auf dem getInputStream() den Eingabestrom liefert. Sind die Daten gelesen, schließt close() den Datenstrom; close() bezieht sich allerdings nicht auf das URL-Objekt, sondern auf den Datenstrom.

Im nächsten Abschnitt wollen wir uns mit dem URLConnection-Objekt beschäftigen, das die Verbindung über das Netzwerk zum Inhalt aufbaut. Die URL-Klasse verfügt über die Abkürzung openStream(), weil zum einen nicht jeder wissen muss, dass URLConnection dahinter steckt, und zum anderen, weil es Tipperei erspart.

Das Beispiel zeigt auch, dass bei openConnection() ein try/catch-Block notwendig ist. Denn geht etwas daneben, zum Beispiel, wenn der Dienst nicht verfügbar ist, wird eine IOException ausgelöst:

try
{
  URL ohoUrl = new URL( "http://www.oho.com/" );
  ohoUrl.openConnection();
}
catch ( MalformedURLException e ) {    // new URL() ging daneben
  ...
}
catch ( IOException e ) {        // openConnection() schlug fehl
  ...
}

16.2.5 Verbindungen durch einen Proxy-Server 

In vielen größeren Unternehmen bekommt ein einzelner Client keinen direkten Zugriff auf das Internet. Vielmehr laufen die Verbindungen über eine Zwischenstelle, die Proxy genannt wird. Dieser cacht zum Beispiel Webseiten und erhöht damit die Performanz. Gleichzeitig ist ein Proxy Teil einer wichtigen unternehmensweiten Sicherheitsstrategie. Seiten können geloggt und ausgefiltert werden – welcher Chef möchte schon, dass seine Mitarbeiter laufend Firmenkugelschreiber auf Ebay verticken?

Java nutzt zur Festlegung der Proxy-Eigenschaften zwei beziehungsweise drei System-Properties, die unter http://java.sun.com/j2se/1.5/docs/guide/net/properties.html beschrieben sind:

http.proxyHost. Adresse des Rechners, der als Proxy dient

http.proxyPort. Port des Proxy-Rechners

Um nun in Applikationen einen Proxy einzusetzen, sind die Eigenschaften zu setzen; eine Möglichkeit besteht über die Kommandozeile mit –D, eine andere über System. setProperty().

System.setProperty( "proxySet", "true" );
System.setProperty( "proxyHost", "myProxyHost" );
System.setProperty( "proxyPort", "myProxyPort" );

Für Applets sind diese Eigenschaften automatisch über die Browser-Einstellungen gesetzt.

Wenn der Proxy eine Autorisierung erfordert – häufig angezeigt, wenn der Client einen Fehler mit 407 (authentication required) bekommt –, muss ihm ein Benutzername und Passwort übermittelt werden. Hier gibt es bedauerlicherweise eine ganze Reihe unterschiedlicher Lösungen, abhängig von den Java-Versionen. Funktionieren sollte im Allgemeinen:

System.setProperty( "http.proxyUser", "myProxyUser" );
System.setProperty( "http.proxyPassword", "myProxyPasswort" );

Soll ein sicherer Webserver über eine Proxy-Verbindung kontaktiert werden, lässt sich mit installierter Java Secure Socket Extension (JSSE) https.ProxyHost und https.ProxyPort passend setzen.

Im Fall von SOCKS¹  sind die Eigenschaften socksProxyHost für den Server und socksProxyPort für den Port zu setzen. Letzterer steht standardmäßig auf 1080.

¹  Mit SOCKS lässt sich eine Proxy-Firewall einrichten, die bei vertrauten SOCKS-Servern eine anonyme Bewegung im Internet erlauben. SOCKS-Dienste erfordern Einstellungen an der Software.