本文是一篇学习笔记，学习的课程是极客时间的《透视HTTP协议》。
透视HTTP协议_HTTP_HTTPS-极客时间 (geekbang.org)
HTTP报文是HTTP协议交互的基础，它定义了客户端和服务器之间通信的规则和格式。请求报文由请求行、请求头部和请求体组成，用于向服务器发送请求；响应报文由状态行、响应头部和响应体组成，用于向客户端返回服务器的响应。通过合理地构建和使用HTTP报文，可以实现客户端和服务器之间的有效通信和数据传输。以下是关于HTTP报文的详细解释。
目录
一、报文结构
（1）报文结构说明
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：
-
起始行（start line）：描述请求或响应的基本信息；
-
头部字段集合（header）：使用key-value形式更详细地说明报文；
-
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”。
（2）完整的HTTP报文
注意在header和body之间有一个“空行”。
（3）示例
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。
二、请求行
描述了客户端想要如何操作服务器端的资源。
请求行由三部分构成：
-
请求方法：是一个动词，如GET/POST，表示对资源的操作；（可带入数据库的操作增删改查）
-
请求目标：通常是一个URI，标记了请求方法要操作的资源；
-
版本号：表示报文使用的HTTP协议版本。
这三个部分通常使用空格（space）来分隔，最后要用CRLF换行表示结束。
示例：
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，把这三部分连起来，意思就是“服务器你好，我想获取网站根目录下的默认文件，我用的协议版本号是1.1，请不要用1.0或者2.0回复我。”
三、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：
-
版本号：表示报文使用的HTTP协议版本；
-
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；
-
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。
示例：
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。”
四、头部字段（请求头和响应头）
（1）说明
请求头和响应头的结构是基本一样的，唯一的区别是起始行，所以我把请求头和响应头里的字段放在一起介绍。
头部字段是key-value的形式，key和value之间用“:”分隔，最后用CRLF换行表示字段结束。比如在“Host: 127.0.0.1”这一行里key就是“Host”，value就是“127.0.0.1”。
HTTP头字段非常灵活，不仅可以使用标准里的Host、Connection等已有头，也可以任意添加自定义头，这就给HTTP协议带来了无限的扩展可能。
不过使用头字段需要注意下面几点：
-
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；
-
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；
-
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；
-
字段的顺序是没有意义的，可以任意排列不影响语义；
-
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。
（2）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：
-
通用字段：在请求头和响应头里都可以出现；
-
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；
-
响应字段：仅能出现在响应头里，补充说明响应报文的信息；
-
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。
Host请求字段
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。
Host字段告诉服务器这个请求应该由哪个主机来处理，当一台计算机上托管了多个虚拟主机的时候，服务器端就需要用Host字段来选择，有点像是一个简单的“路由重定向”。
例如在125.1.123.1上有三个虚拟主机：“www.chrono.com”“www.metroid.net”和“origin.io”。那么当使用域名的方式访问时，就必须要用Host字段来区分这三个IP相同但域名不同的网站，否则服务器就会找不到合适的虚拟主机，无法处理。
User-Agent请求字段
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。
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。
Date字段
Date字段是一个通用字段，但通常出现在响应头里，表示HTTP报文创建的时间，客户端可以使用这个时间再搭配其他字段决定缓存策略。
Server字段
Server字段是响应字段，只能出现在响应头里。它告诉客户端当前正在提供Web服务的软件名称和版本号，例如“Server: openresty/1.15.8.1”。
Server字段也不是必须要出现的，因为这会把服务器的一部分信息暴露给外界，如果这个版本恰好存在bug，那么黑客就有可能利用bug攻陷服务器。所以，有的网站响应头里要么没有这个字段，要么就给出一个完全无关的描述信息。比如GitHub，它的Server字段里就看不出是使用了Apache还是Nginx，只是显示为“GitHub.com”。
Content-Length字段
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。
五、请求体
可选的，通常包含应用程序要传输到服务端的数据。
在POST或PUT请求中，请求体可能包含表单数据或JSON数据。
六、响应体
可选的，通常包含服务端返回的数据。
响应体可能包含HTML页面、JSON数据或其他类型的数据。
七、总结
-
HTTP报文结构就像是“大头儿子”，由“起始行+头部+空行+实体”组成，简单地说就是“header+body”；
-
HTTP报文可以没有body，但必须要有header，而且header后也必须要有空行，形象地说就是“大头”必须要带着“脖子”；
-
请求头由“请求行+头部字段”构成，响应头由“状态行+头部字段”构成；
-
请求行有三部分：请求方法，请求目标和版本号；
-
状态行也有三部分：版本号，状态码和原因字符串；
-
头部字段是key-value的形式，用“:”分隔，不区分大小写，顺序任意，除了规定的标准头，也可以任意添加自定义字段，实现功能扩展；
-
HTTP/1.1里唯一要求必须提供的头字段是Host，它必须出现在请求头里，标记虚拟主机名。
如果拼HTTP报文的时候，在头字段后多加了一个CRLF，导致出现了一个空行，会发生什么？
在HTTP报文中，头字段（Header-field）与报文体（Message-body）之间通常是通过一个空行（CRLF，即回车符
\r和换行符\n）来分隔的。如果在头字段后意外地多加了一个CRLF，即出现了一个额外的空行，可能会导致以下几种情况：
- 解析错误：HTTP客户端（如浏览器）或服务器在解析HTTP报文时，会根据CRLF来定位头字段和报文体。额外的CRLF可能会导致解析错误，使得客户端或服务器无法正确识别报文的各个部分。
- 还有别的情况吗？
讲头字段时说“:”后的空格可以有多个，那为什么绝大多数情况下都只使用一个空格呢？
可读性：一个空格足以清晰地分隔字段名和字段值，使得HTTP报文更加易读。过多的空格可能会增加报文的长度，降低可读性。
标准化：随着HTTP协议的发展，许多开发者和工具都遵循了一种标准化的做法，即在字段名和字段值之间只使用一个空格。这种标准化做法有助于减少误解和错误，并使得不同系统之间的交互更加顺畅。
历史原因：在HTTP协议发展的早期，许多实现都采用了只使用一个空格的做法。这种习惯被沿用至今，并成为了事实上的标准。
简洁性：HTTP协议本身追求简洁和高效。在字段名和字段值之间只使用一个空格可以减少报文的大小，提高传输效率。
兼容性：不同的HTTP客户端和服务器可能对空格的处理方式有所不同。为了兼容更多的系统和工具，使用一个空格作为标准做法可以减少潜在的问题和冲突。
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
