万维网WWW

万维网概述

万维网WWW(World Wide Web)是一个大规模的联机式的信息储藏场所。万维网以客户-服务器方式工作，浏览器就是在用户主机上的万维网客户程序，万维网文档所驻留的主机运行服务器程序。客户程序向服务器程序发出请求，服务器程序向客户返回客户所需要的万维网文档。

1.用什么样的协议来实现万维网上的各种访问

HTTP(HyperText Transfer Protocol)超文本传输协议，HTTP是应用层协议，使用TCP连接进行可靠的传送。

URL统一资源定位符，URL用来表示从互联网上得到资源的位置和访问资源的方法，URL实际上是互联网上资源的地址，URL的一般形式由四部分组成：
<协议>://<域名>:<端口>/<路径>

协议：指HTTP协议，其次是ftp.
域名：指该主机在互联网的域名。
端口：默认为端口80，可以省略。
路径：表示该资源在互联网主机中的位置。

例如：http://www.tshua.edu.cn/publish/newh/index.html

协议：http
域名：www.tshua.edu.cn
端口号：80
路径：publish/newh/index.html

2.HTTP的操作过程

HTTP协议定义了浏览器（即万维网客户进程）怎样向万维网服务器请求万维网文档，以及服务器怎样把文档传送给浏览器。

从层次角度看，HTTP是面向事务的应用层协议，是万维网上能够可靠的交换文件的重要基础。

每个服务器进程，不断地监听TCP的80端口，以便发现是否有浏览器向他发出连接建立请求，一旦监听到连接建立请求并建立了TCP连接之后，浏览器就向服务器发出请求某个页面，服务器返回所请求的页面作为响应，最后释放tcp连接，按照规定的格式和遵循的一定规则。这些格式和规则就是超文本传输协议HTTP。

HTTP使用的是面向连接的TCP作为运输层协议，保证了数据的可靠传输，HTTP协议本身是无连接的，虽然HTTP使用了TCP连接，但通信的双方减缓HTTP报文时不用建立HTTP连接。

HTTP协议是无状态的，即同一个客户第二次访问同一个服务器上的页面时，服务器的响应与第一次被访问时的相同，因为服务器不记得该客户，也不记得为该客户服务了多少次。

4.从浏览器请求一个万维网文档到收到整个文档所需要的时间：

用户在点击鼠标链接某个互联网文档时，HTTP协议首先要与服务器建立TCP连接。这需要3次报文握手，当建立TCP连接的三报文握手的前2部分完成后（经过1个RT时间），万维网客户就把HTTP请求报文，作为TCP连接的三报文握手的第三个报文的数据，发送给万维网服务器。服务器收到HTTP请求报文后，就把所请求的文档作为响应报文返回给客户。

从图中可以看出，请求一个万维网文档所需要的时间是：该文档的传输时间+2倍的往返事件RTT（一个RTT用于TCP连接，一个RTT用于请求接收文档）。

5.HTTP的报文结构

一、HTTP有2类报文：

1.请求报文------从客户向服务器发送请求报文
2.响应报文------从服务器到客户的回答

HTTP是面向文本的，请求报文和响应报文都是由三部分组成。

1.开始行，用于区分是请求报文还是响应报文。请求报文的开始行叫做请求行（Request-Line），响应报文的开始行叫做状态行（Status-Line）。CR和LF分别表示回车与换行。
2.首部行，说明浏览器、服务器、报文主体的信息。
3.实体主体，在请求报文中一般不用这个字段，在响应报文中没有这个字段

请求报文的第一行请求行只有三个内容，即方法，请求资源的URL，及HTTP的版本。

方法是对所请求对象的操作

方法	意义
GET	请求读取由URL所标志的信息
POST	给服务器添加信息
PUT	在指明的URL下存储一个文档
DELETE	删除指明的URL所标志的资源
CONNECT	用于代理服务器

下面是HTTP的请求报文的开始行（即请求行）的格式。在GET后面有一个空格，接着是某个完整的URL，其后又有一个空格，最后是HTTP/1.1。

表示客户机向地址为http://www.xyz.edu.cn的服务器主机请求一个index.html文档。

GET http://www.xyz.edu.cn/dir/index.html HTTP/1.1

一个完整的HTTP请求报文
GET /dir/index/html HTTP/1.1 　　  请求行使用了相对URL
Host:www.xyz.edu.cn 　　  　　  此行是首部行的开始，给出主机的域名
Connection:close 　　  　　  　　  告诉服务器发送完请求的文档后就可以释放连接
User-Agent:Mozilla/5.0 　　  　　  表明用户代理是火狐浏览器Firefox
Accecpt-Language:cn 　　  　　  用户优先希望获得中文版本文档

第三行告诉服务器不使用持续连接，表示浏览器希望服务器在传送完所请求的对象后关闭tcp连接。

2.响应报文

每一个请求报文发出后，都能收到一个响应报文。
响应报文的第一行为状态行，状态行包括3个内容，即HTTP的版本，状态码，解释状态码的简单用语。

状态码为3位数字，分为5大类。

1xx 表示通知信息，如请求收到了或正在进行的处理
2xx 表示成功，如知道了或收到
3xx 表示重定向，如要完成请求必须采取进一步的行动
4xx 表示客户差错，有错误的语法或不能完成
5xx 表示服务器差错，如服务器失效，无法完成请求

HTTP/1.1 202 Accepted 　　  接受
HTTP/1.1 400 Bad Request 　　  错误的请求
HTTP/1.1 404 Not Found 　　  找不到

6.Cookie：

HTTP是无状态的，服务器不会识别客户，我们可以使用Cookie来实现服务器识别客户这一功能。

当用户A浏览某个网站时，该网站的服务器就为A生成了一个唯一的识别码，并以此为索引在后端数据库中产生一个项目，接着在给A的响应报文中添加一个Set-Cookie的首部行。这里的“首部字段名”就是"Set-cookie",后面的值就是赋予该用户的“识别码”。例如首部行如下：
Set-Cookie:31d4d96e407aad42

当A收到这个响应之后，其浏览器就在特定的cookie文件中添加一行，其中包括这个服务器的主机名和Set-Cookie后面的识别码。

当A继续浏览这个网站时，每发送一个请求报文，浏览器就会从其Cookie文件中取出这个网站的识别码，放到HTTP请求报文的Cookie首部行中：
Cookie：31d4d96e407aad402

这样网站就可以识别追踪用户A了，服务器可以知道用户A什么时间访问了哪些数据，以及访问页面的顺序。

Cookie只是一个小小的文本文件，不是计算机可执行程序，因此不可能传播计算机病毒。