一文搞懂HTTP协议

肆水静若明镜

于 2021-06-02 16:27:08 发布

阅读量189

点赞数

分类专栏：网络通讯文章标签： http c# 后端

本文链接：https://blog.csdn.net/chongshao123/article/details/117473007

版权

1 篇文章 0 订阅

订阅专栏

当用户在浏览器地址栏钟输入一个URL访问之后，浏览器会向服务器发送HTTP请求，http请求主要分为 "GET" 和 "POST"。
比如当我们在浏览器输入URL http://baidu.com 的时候，浏览器发一个Request请求去获取 http://baidu.com 的HTML文件，服务器把Response文件对象返回给浏览器。
浏览器分析Response中的HTML，发现其中引用了很多其他文件，如图片、css、js等，浏览器会自动再次发送Request去获取这些文件。
当所有文件都下载成功，网页会根据HTML语法结构，完整显示出来。

URL是Uniform Resource Locator的简写，统一资源定位符。一个URL由以下几部分组成：

在浏览器中请求一个URL，浏览器会对这个url进行编码，除了英文字母、数字和不分符号外，其他全部使用百分号加十六进制值进行编码

在HTTP协议中定义了8种请求方法

以上是网站开发中常用的两种方法，一般情况下都会遵循使用原则，但是有些网站和服务器为了做反爬虫机制，也经常不按常理出牌，要视情况而定。

在HTTP协议中，向服务器发送一个请求，数据分为三个部分，第一个是把数据放在URL中，第二个是把数据放在body中(POST请求)，第三个就是把数据放在head中

User-Agent：浏览器名称。这个在网络爬虫中经常会被使用到，请求一个网页的时候，服务器通过这个参数就可以知道当前请求是由哪种浏览器发送的，如果我们通过Python爬虫发送请求，那么User-Agent就是Python，这对于那些有反爬虫机制的网站来说，可以轻易判断请求是爬虫。因为我们需要设置这个值为一些浏览器的值，来伪装爬虫。
Referer：表明当前这个请求是从哪个URL过来的。这个一般也可以用来做反爬虫技术。如果不是从指定页面过来的，那么就不做响应的响应。
Cookie：HTTP协议是无状态的。同一个人发送了两次请求，服务器没有能力知道这两个请求是否来自同一个人，因此需要用Cookie来做标识，一般如果想要做登录后才能访问的网站，那么就需要发送Cookie信息了。

主要分为5大类

状态码	状态码名称	描述
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
500	Internal Server Error	服务器发生不可预期的错误
503	Server Unavailable	服务器当前不能出来客户端的请求，一段时间后可能恢复正常

关注

专栏目录