http-04-http报文是什么样子

HTTP 协议也是与 TCP/UDP 类似，同样也需要在实际传输的数据前附加一些头数据，不过与 TCP/UDP 不同的是，它是一个“纯文本”的协议，所以头数据都是 ASCII 码的文本，可以很容易地用肉眼阅读，不用借助程序解析也能够看懂。

HTTP 协议的请求报文和响应报文的结构基本相同，由三大部分组成：
1.起始行（start line）：描述请求或响应的基本信息；
2.头部字段集合（header）：使用 key-value 形式更详细地说明报文；
3.消息正文（entity）：实际传输的数据，它不一定是纯文本，可以是图片、视频等二进制数据。

这其中前两部分起始行和头部字段经常又合称为“请求头”或“响应头”，消息正文又称为“实体”，但与“header”对应，很多时候就直接称为“body”。

HTTP 协议规定报文必须有 header，但可以没有 body，而且在 header 之后必须要有一个“空行”，也就是“CRLF”，十六进制的“0D0A”。所以，一个完整的 HTTP 报文就像是下图的这个样子，注意在 header 和 body 之间有一个“空行”。

例如：

在这个浏览器发出的请求报文里，第一行“GET / HTTP/1.1”就是请求行，而后面的“Host”“Connection”等等都属于 header，报文的最后是一个空白行结束，没有 body。

请求行
请求行由三部分构成：
1.请求方法：是一个动词，如 GET/POST，表示对资源的操作；
2.请求目标：通常是一个 URI，标记了请求方法要操作的资源；
3.版本号：表示报文使用的 HTTP 协议版本。

如：
GET / HTTP/1.1
在这个请求行里，“GET”是请求方法，“/”是请求目标，“HTTP/1.1”是版本号

状态行

看完了请求行，我们再看响应报文里的起始行，在这里它不叫“响应行”，而是叫“状态行”（status line），意思是服务器响应的状态。比起请求行来说，状态行要简单一些，同样也是由三部分构成：
1.版本号：表示报文使用的 HTTP 协议版本；
2.状态码：一个三位数，用代码的形式表示处理的结果，比如 200 是成功，500 是服务器错误；
3.原因：作为数字状态码补充，是更详细的解释文字，帮助人理解原因。

例如：
HTTP/1.1 200 OK
意思就是：“浏览器你好，我已经处理完了你的请求，这个报文使用的协议版本号是 1.1，状态码是 200，一切 OK。”

头部字段

请求行或状态行再加上头部字段集合就构成了 HTTP 报文里完整的请求头或响应头

不过使用头字段需要注意下面几点：
1.字段名不区分大小写，例如“Host”也可以写成“host”，但首字母大写的可读性更好；
2.字段名里不允许出现空格，可以使用连字符“-”，但不能使用下划线“_”。例如，“test-name”是合法的字段名，而“test name”“test_name”是不正确的字段名；
3.字段名后面必须紧接着“:”，不能有空格，而“:”后的字段值前可以有多个空格；
4.字段的顺序是没有意义的，可以任意排列不影响语义；
5.字段原则上不能重复，除非这个字段本身的语义允许，例如 Set-Cookie。

常用头字段
HTTP 协议规定了非常多的头部字段，实现各种各样的功能，但基本上可以分为四大类：
1.通用字段：在请求头和响应头里都可以出现；
2.请求字段：仅能出现在请求头里，进一步说明请求信息或者额外的附加条件；
3.响应字段：仅能出现在响应头里，补充说明响应报文的信息；
4.实体字段：它实际上属于通用字段，但专门描述 body 的额外信息。

首先要说的是 Host 字段，它属于请求字段，只能出现在请求头里，它同时也是唯一一个 HTTP/1.1 规范里要求必须出现的字段，也就是说，如果请求头里没有 Host，那这就是一个错误的报文。

User-Agent 是请求字段，只出现在请求头里。它使用一个字符串来描述发起 HTTP 请求的客户端，服务器可以依据它来返回最合适此浏览器显示的页面。

不过有的比较“诚实”的爬虫会在 User-Agent 里用“spider”标明自己是爬虫，所以可以利用这个字段实现简单的反爬虫策略。

实体字段里要说的一个是 Content-Length，它表示报文里 body 的长度，也就是请求头或响应头空行后面数据的长度。服务器看到这个字段，就知道了后续有多少数据，可以直接接收。如果没有这个字段，那么 body 就是不定长的，需要使用 chunked 方式分段传输。小结