http://www. 和 http:// 到底差在哪?RFC 3986 里根本没有 www 这一层
一、先给结论:规范里根本没有 www. 这一层
很多站长习惯性地把站点同时挂成 http://example.com 和 http://www.example.com,再纠结要不要跳转、要不要都提交给搜索引擎。但如果翻开 URI 的规范,会发现一个容易被忽略的事实:RFC 3986 的通用语法里压根没有 www. 这个层级,它只是主机名里恰好存在的一段标签(label)。
更值得注意的一点是:www.example.com 与 example.com 是两个不同的主机名,也就可能指向两个不同的服务器、两套不同的证书、两份不同的站点内容。

二、规范原文:这四个写法是等价的
RFC 3986 的 6.2.3. Scheme-Based Normalization(基于协议的规范化)给了一个非常好用的例子。原文说:因为 http 协议使用 authority 组件、默认端口是 80、并且把空路径定义为等价于 /,所以下面四个 URI 等价:
http://example.com
http://example.com/
http://example.com:/
http://example.com:80/
原文还给出了规范化的方向:一般而言,凡是使用通用 authority 语法但路径为空的 URI,应当被规范化成 / 路径;而显式写了 :端口 但端口为空或恰好等于协议默认值的,应当连同那个冒号一起删掉 —— 也就是说第二个写法(http://example.com/)才是 http 协议的规范形式。
三、但那个问号不能省 —— 规范专门举了反例
这是最容易踩空的一处。紧接着一段原文特别强调:规范化不应该在关联组件为空时删除定界符,除非协议本身授权这么做。然后就是那句关键反例:
http://example.com/? —— 不能假定与上面四个等价
也就是说带 ? 的写法涉及空的查询组件(query),而查询字符串对绝大多数动态站点是有语义的:PHP 端会因此收到 $_GET 里的一个空键。这解释了为什么很多站点明明"看起来一样",却被搜索引擎收成了两个 URL —— 规范层就没说它们一样。
同理,规范还提到空 authority 或空主机子组件的处理随协议而异:许多协议规范里空主机被视为错误,另一些则认为等价于 localhost 或终端用户自己的主机。
四、大小写与百分号编码也要规范化
6.2.2.1 Case Normalization 讲得很干脆:percent-encoding 三元组里的十六进制数字(如 %3a 与 %3A)不区分大小写,应统一成大写;而在通用语法下,scheme 和 host 不区分大小写,应当规范化为小写,原文的例子就是:
HTTP://www.EXAMPLE.com/ 等价于 http://www.example.com/
而其余组件默认区分大小写,除非协议另有定义。对站点的意义是:路径 /Product/ 与 /product/ 在绝大多数 http 场景下是两个不同资源(Linux 服务器更是直接 404),只有主机名和 scheme 可以安全折叠 —— 这也是为什么把整站路径统一小写是个可靠的规范化策略。
6.2.2.2 Percent-Encoding Normalization 补充:有些 URI 生成器会把不需要编码的字节也编码了,这类 URI 应通过解码所有对应"非保留字符"的百分号编码字节来统一(规范 2.3 节定义的 A-Za-z0-9-._~)。
五、规范为什么把 www 视为"给人看的"
RFC 3986 在讨论 URI 的引用形式时有一段耐人寻味的原文,它把"只由 authority 和 path 构成的 URI 引用"举例成 www.w3.org/Addressing/,或者干脆只是一个 DNS 注册名。而这类写法的定位是:主要供人解读、而非供机器使用,前提是依赖上下文的启发式判断足以补全这个 URI。这解释了为什么浏览器地址栏里输 example.com 也能打开:那是客户端的启发式补全(猜测协议、补 www 等),不是协议层的行为。规范层面,省略 scheme 的写法根本不是合法的绝对 URI。
六、工程上该做的三件事
1. 站点只保留一个规范主机名
在 DNS 里两个名字都要解析(@ 与 www),但 Apache 侧只用一个 vhost 提供内容、另一个 301 过去:
<VirtualHost *:80>
ServerName www.example.com
DocumentRoot /var/www/site
</VirtualHost>
<VirtualHost *:80>
ServerName example.com
Redirect permanent / http://www.example.com/
</VirtualHost>
选 www 还是裸域没有规范上的对错,只有 DNS 层的一条实际差异:裸域(zone apex)按 DNS 规范应当用 A/AAAA 记录,不能用 CNAME。云 DNS 一般用 ALIAS/CNAME 展平这类扩展来变通,而 www 是普通子域名,用 CNAME 完全合法,可以指向 CDN。这一点常常是"带 www"胜出的真实原因。
2. 证书与 HSTS 都要覆盖两个名字
既然主机名不同就是不同资源,HTTPS 下证书必须同时包含两个 SAN,否则总有一个名字会报证书不匹配。
3. 别让 ?、大小写、尾斜杠把页面复制出来
规范化到唯一 URL 的做法:站内链接一律写小写路径 + 明确的目录尾斜杠策略;表单不要提交空查询串;对 ?utm_* 之类的追踪参数保持 canonical 声明(<link rel="canonical">),并在 vhost 层把"带 ?参数"与"不带"归到同一个入口。
七、常见问题
Q:http:// 与 https:// 是不是只差一个字母 s?
A:不是。scheme 不同就是完全不同的协议:默认端口 80 与 443,TLS 握手、证书校验、以及加密的机密性都不同。规范里的 Protocol-Based Normalization(6.2.4)也只会在同一协议内部做等价判断,不会跨协议折叠,所以两者永远被当作两个页面。
Q:既然两个主机名是不同资源,SEO 会不会因此分散权重?
A:会 —— 只要两者都返回 200 且内容相同。解决手段是明确的单向 301(永久的语义靠 301 传达)+ canonical 声明,把两个主机折叠成一个规范地址。切勿用 302,也不要写成"互相跳转",那会造成循环。
Q:URL 里 /./、/a/../b 这类路径能原样保留吗?
A:规范在 6.2.2.3 Removal of Dot Segments 里要求这类点段应当被移除后再比较。所以 http://a.com/x/../y 与 http://a.com/y 是同一资源 —— 这也是不少 WAF 与路由被绕过的原因之一,服务端应自己完成这一层规范化。
