access_page_path_cleaning.md 4.9 KB
访问页面路径清理
背景知识
当我们访问一个网站时，在任一页面上点击链接、按钮等会访问另一个页面，如此往复，形成访问链。
每个页面有一个路径，路径分配到对应处理程序，即为路由。路由，最早出现在后端，因为早期的网页都是服务端渲染的。随着前端功能的进化，出现了前端路由。
不论是后端路由还是前端路由，都应当有合理的组织逻辑。
合理的路由
现今主流，我们用/作为层次分级，每进一级代表更细粒度。
以一个店铺网站为例：
/最顶层，页面展示本店铺的品牌形象和各板块导航。/shop商品陈列模块，页面展示一些热卖商品、优惠推荐等。/shop/category/<category_id>商品分类模块，页面展示特定品类下的商品集。/shop/product/<product_id>商品详情模块，页面展示特定商品的细节信息。/order订单模块，页面展示待付款订单、待收货订单。/order/<order_id>订单详情模块，页面展示特定订单的细节信息。/cart购物车模块，页面展示添加在购物车中的商品清单，总价等。/account账户模块，页面展示账户信息，包括头像、昵称、积分等。/contact联系模块，页面展示如何与店铺取得联系的方法。
前端hash模式路由
对于前端路由，需要特别注意基于hash模式的情形。路径类似是这样的：
https://exmaple.com/#/https://exmaple.com/#/shophttps://exmaple.com/#/shop/category/<category_id>https://exmaple.com/#/shop/product/<product_id>https://exmaple.com/#/orderhttps://exmaple.com/#/order/<order_id>https://exmaple.com/#/accounthttps://exmaple.com/#/contact
在实现良好的情况下，不会有问题，路径的层次关系是一致的。
如果是带有搜索参数的情况，路径类似这样：
https://exmaple.com/#/shop/search?keyword=abc&price_max=100
我们可以将?keyword=abc&price_max=100分离出去，留下的部分则是符合标准的路径。
对于下面的情况，则需要避免：
https://exmaple.com/?r=0.1234#/shop通过添加随机参数，强制从服务器获取未缓存页面资源。https://exmaple.com/?token=abcd#/shop将外部跳转过来的链接参数，持续保留。https://exmaple.com/?token=abcd#/shop?keyword=abc&price_max=100在技术层面，这是完全合法的，但一定会给人带来困惑。
这样不仅不美观，而且导致页面路径无法有效归类。后续处理程序需要花费大量精力去补救。
前端history模式路由
另外一种前端路由则是基于history模式，从形成的路径来看，和后端路由基本是相同的。路径类似是这样的：
https://exmaple.com/https://exmaple.com/shophttps://exmaple.com/shop/category/<category_id>https://exmaple.com/shop/product/<product_id>https://exmaple.com/orderhttps://exmaple.com/order/<order_id>https://exmaple.com/accounthttps://exmaple.com/contact
在实现良好的情况下，不会有问题，路径的层次关系是一致的。
如果是带有搜索参数的情况，路径类似这样：
https://exmaple.com/shop/search?keyword=abc&price_max=100
我们可以将?keyword=abc&price_max=100分离出去，留下的部分则是符合标准的路径。
由于自身的技术上的限制，不会出现两处搜索参数。
以上两种模式，可以看出前端history模式路由，路径更简洁，可能存在的混乱情况更少。技术上来说，前端hash模式路由通用性更广，而前端history模式路由需要服务器端支持。实践上来说，前端history模式路由几乎没有什么障碍，甚至对象存储之类的服务也可以支持。
处理程序和补救措施
对于采集到的日志，在入库之前通常需要做一些处理。
这里仅限于访问日志范畴，进行讨论。
路径信息提取
URL通常由以下部分组成，通过正则表达式可以容易提取：
scheme://host:port/path?query
通常以host:port定义站点集，/path则是日志分析的路径，query则属于补充信息，可以采用KV模式拆分。
对于前端hash模式路由，则稍有不同：
scheme://host:port/app#fragment?query
通常以host:port/app定义站点集(应用)，fragment则是日志分析的路径，query则属于补充信息，可以采用KV模式拆分。
对于/shop/product/1这样的路径，一般在日志处理阶段，转化为/shop/product/<product_id>。
补救措施
如果客户端实现不良，可以处理阶段补救，当然最好是在源头解决。
- 可能会出现路径大小写不统一，可以在处理阶段统一为小写。
- 可能会出现路径连续
//，可以更新为/。 - 可能会同时出现路径
/shop、/shop/，一般意义上是相同页面，可以统一为/shop。