HTTP协议入门

HTTP入门

HTTP协议简介

HTTP协议是Hyper Text Transfer Protocol（超文本传输协议）的缩写,是用于从万维网（WWW:World Wide Web ）服务器传输超文本到本地浏览器的传送协议。。

HTTP是一个基于TCP/IP通信协议来传递数据（HTML 文件, 图片文件, 查询结果等）。

HTTP的特点如下：

• C/B模式。
• 简单快速：客户向服务器请求服务只需传请求方法和路径。常用请求方法有GET，HEAD，POST。 由于HTTP协议简单，使HTTP服务器的程序规模小。
• 灵活：HTTP允许传输任意类型数据对象。传输的类型由请求头中的Contet-Type定义。
• 无连接：无连接的含义是限制每次连接只处理一个请求。服务器处理完客户的请求并收到客户的应答后便断开连接。采用这种方法可以节省传输时间。
• 无状态：HTTP协议是无状态协议。无状态指协议对于事务没有记忆能力，缺少状态意味着如果后续处理需要前面的信息，则它必须重传，这样可能导致每次连接传送的数据量增大。另一方面，在服务器不需要先前信息时它的应答就较快。

HTTP协议的请求

HTTP请求由三部分组成：请求行，请求首部，请求主体：

requst-line
headers（0个或者多个）
<blank line>
body（只对POST和PUT命令有效）

请求行以一个方法符号开头，以空格分开，后面跟着URI和协议的版本，格式如下：

Method Request—URI HTTP-Version CRLF

其中Method表示请求方法，Request-URI是一个统一资源标识符,HTTP-Version表示请求的HTTP协议版本，CRLF表示回车和换行（除了作为结尾的CRLF外，不允许出现单独的CR或LF字符）。

请求方法（所有方法全为大写）有多种，各个方法的解释如下：

GET 请求获取Request-URI所标识的资源
POST 在Request-URI所标识的资源后附加新的数据
HEAD 请求获取由Request-URI所标识的资源的响应消息报头
PUT 请求服务器存储一个资源，并用Request-URI作为其标识
DELETE 请求服务器删除Request-URI所标识的资源
TRACE 请求服务器回送收到的请求信息，主要用于测试或诊断
CONNECT 保留将来使用
OPTIONS 请求查询服务器的性能，或者查询与资源相关的选项和需求

举个栗子：在浏览器的地址栏中输入网址的方式访问网页时，浏览器采用GET方法向服务器获取资源

GET /index.html HTTP/1.1 (CRLF)

POST方法要求被请求服务器接受附在请求后面的数据，常用于提交表单。

HEAD方法与GET方法几乎是一样的，对于HEAD请求的回应部分来说，它的HTTP头部中包含的信息与通过GET请求所得到的信息是相同的。利用这个方法，不必传输整个资源内容，就可以得到Request-URI所标识的资源的信息。该方法常用于测试超链接的有效性，是否可以访问，以及最近是否更新。

HTTP协议的响应

在接收和解释请求消息后，服务器返回一个HTTP响应消息。

HTTP响应也是由三个部分组成，分别是：状态行、响应首部、响应主体

status-line
headers（0个或者多个）
<blank line>
body

状态行格式如下：

HTTP-Version response-code response-phrase CRLF

其中，HTTP-Version表示服务器HTTP协议的版本；response-code表示服务器发回的响应状态代码；response-phrase表示状态代码的文本描述。

状态代码由三位数字组成，第一个数字定义了响应的类别，且有五种可能取值：

1xx：指示信息--表示请求已接收，继续处理
2xx：成功--表示请求已被成功接收、理解、接受
3xx：重定向--要完成请求必须进行更进一步的操作
4xx：客户端错误--请求有语法错误或请求无法实现
5xx：服务器端错误--服务器未能实现合法的请求

常见状态代码、状态描述、说明：

200 OK      //客户端请求成功
400 Bad Request  //客户端请求有语法错误，不能被服务器所理解
401 Unauthorized //请求未经授权，这个状态代码必须和WWW-Authenticate报头域一起使用 
403 Forbidden  //服务器收到请求，但是拒绝提供服务
404 Not Found  //请求资源不存在，eg：输入了错误的URL
500 Internal Server Error //服务器发生不可预期的错误
503 Server Unavailable  //服务器当前不能处理客户端的请求，一段时间后可能恢复正常
eg：HTTP/1.1 200 OK （CRLF）

HTTP协议的首部

HTTP的每一个报文的首部均可包含可变数量的字段。用一个空行将所有首部字段与报文主题分隔开来。一个首部字段的格式为字段名：值，字段名是大小写无关的。

报文头可分为3类，包括请求首部、响应首部、实体首部。有一些首部既可用于请求又可用于响应，例如Date。

接下来介绍一下报文头。

请求报头

请求报头允许客户端向服务器端传递请求的附加信息以及客户端自身的信息。

常用的请求报头：

• Accept
  Accept请求报头域用于指定客户端接受哪些类型的信息。比如：Accept：image/gif，表明客户端希望接受GIF图象格式的资源；Accept：text/html，表明客户端希望接受html文本。

• Accept-Charset
  Accept-Charset请求报头域用于指定客户端接受的字符集。比如：Accept-Charset:iso-8859-1,gb2312.如果在请求消息中没有设置这个域，缺省是任何字符集都可以接受。

• Accept-Encoding
  Accept-Encoding请求报头域类似于Accept，但是它是用于指定可接受的内容编码。比如：Accept-Encoding:gzip.deflate.如果请求消息中没有设置这个域服务器假定客户端对各种内容编码都可以接受。

• Accept-Language
  Accept-Language请求报头域类似于Accept，但是它是用于指定一种自然语言。比如：Accept-Language:zh-cn.如果请求消息中没有设置这个报头域，服务器假定客户端对各种语言都可以接受。

• Authorization
  Authorization请求报头域主要用于证明客户端有权查看某个资源。当浏览器访问一个页面时，如果收到服务器的响应代码为401（未授权），可以发送一个包含Authorization请求报头域的请求，要求服务器对其进行验证。

• Host（发送请求时，该报头是必需的）
  Host请求报头域主要用于指定被请求资源的Internet主机和端口号，它通常从HTTP URL中提取出来的，比如：
  我们在浏览器中输入：http://www.test.com/index.html
  浏览器发送的请求消息中，就会包含Host请求报头域，如下：

  Host：www.test.com

• User-Agent
  我们上网登陆论坛的时候，往往会看到一些欢迎信息，其中列出了你的操作系统的名称和版本，你所使用的浏览器的名称和版本，这往往让很多人感到很神奇，实际上，服务器应用程序就是从User-Agent这个请求报头域中获取到这些信息。User-Agent请求报头域允许客户端将它的操作系统、浏览器和其它属性告诉服务器。不过，这个报头域不是必需的，如果我们自己编写一个浏览器，不使用User-Agent请求报头域，那么服务器端就无法得知我们的信息了。

响应报头

响应报头允许服务器传递不能放在状态行中的附加响应信息，以及关于服务器的信息和对Request-URI所标识的资源进行下一步访问的信息。

常用的响应报头：

• Location
  Location响应报头域用于重定向接受者到一个新的位置。Location响应报头域常用在更换域名的时候。

• Server
  Server响应报头域包含了服务器用来处理请求的软件信息。与User-Agent请求报头域是相对应的。下面是Server响应报头域的一个例子：

  Server: Tengine

• WWW-Authenticate
  WWW-Authenticate响应报头域必须被包含在401（未授权的）响应消息中，客户端收到401响应消息时候，并发送Authorization报头域请求服务器对其进行验证时，服务端响应报头就包含该报头域。

使用Telnet手工模拟HTTP请求

打开终端

# telnet www.baidu.com 80  
Ctrl + ]
输入HTTP请求
两次回车

HTTP请求格式:

HEAD /index.html HTTP/1.1
HOST: www.baidu.com

参考

• HTTP教程
• HTTL协议详解
• 《TCP/IP详解 卷3》