HTTP协议（详解）

HTTP协议（详解）

1. HTTP协议：全称为Hyper Text Transfer Protocol（超文本传输协议）。HTTP协议是用于从（WWW：World Wide Web，简称万维网）服务器传输超文本到本地浏览器的传输协议。

2. HTTP协议工作于B/S架构上，浏览器作为HTTP客户端通过URL向HTTP服务端即WEB服务端发送请求（Request）。Web服务端根据接收到的请求数据后，向客户端发送响应信息（Response）。

3. HTTP协议是基于TCP/IP通信协议来传输数据的（HTML文件，图片文件等），如下图：

  迄今为止，HTTP协议的发展经历了3个版本的演化。

HTTP/0.9

  HTTP/0.9具有典型的无状态性，每个事务独立进行处理，事务结束时就释放这个连接。

组成：

1. 只允许客户端发送GET这一种请求。
2. 不支持请求头。
3. 由于没有请求头，造成了HTTP 9.0协议只支持一种内容，即纯文本，不过网页仍然支持用HTML语言格式化，同时无法插入图片。

无状态性：

1. HTTP 0.9具有典型的无状态性，每个事务独立进行处理，事务结束时就释放这个连接。详细解释如下：

   一次HTTP 0.9的传输首先要建立一个由客户端到Web服务器对的TCP连接，由客户端发起一个请求，然后由Web服务器返回页面内容，然后连接会关闭。如果请求的页面不存在，也不会返回任何错误码。

2. 由此可见，HTTP协议无状态特点在其第一个版本0.9中已经成型。

HTTP/1.0

  HTTP/1.0是HTTP协议的第二个版本，至今仍被广泛使用。首次在通讯中指定版本号，相对于HTTP 0.9增加了如下特性：

1. 支持请求头与响应头
2. Response响应以一个响应状态行开始
   • Response包含的内容不只限于超文本
3. 开始支持客户端通过POST方法向Web服务器提交数据，并支持GET、HEAD、POST方法
4. 支持长连接Keepalive（但默认还是使用短链接）
5. 缓存机制以及身份认证

HTTP/1.1

  HTTP/1.1是HTTP的第三个版本，是目前主流的HTTP协议版本。

  引入了许多关键性能优化：如keepalive连接、请求流水线、chunked编码传输、字节范围请求等。

1. Persistent Connection（keepalive连接），允许HTTP设备在事务处理结束之后将TCP连接保持在打开的状态，以便未来的HTTP请求重用现在的连接，直到客户端或者服务端决定将其关闭为止。

   • 在HTTP1.0中使用长连接需要添加请求头Connection：Keep-Alive，而在HTTP 1.1所有的连接默认都是长连接，除非特殊声明不支持（HTTP请求发报文首部加上Connection:close）。

2. Pipelining（请求流水线）。支持持久连接的客户端可以“流水线”它的请求（即发送多个请求而无需等待每个响应）。服务器必须按照与收到请求相同的顺序来向这些请求发送响应。

3. chunked编码传输。该编码将实体分块传输并逐块标明长度，直到长度为0块表示传输结束，这在实体长度未知时特别有用，即由于分块发送，实体总长度未知（比如由数据库动态产生的数据）。

   • （传输编码和分块编码）当响应头里包含了Transfer-Encoding：chunked，代表分块编码，会把【报文】分割成若干个大小已知的块，块之间是紧挨着发送的，这样就不需要在发送之前得知整个报文的长度大小。也意味着不需要Content-Length这一字段。
   • （分块传输的应用）当使用持久连接时，在服务器发送主体内容之前，必须计算出主体内容的大小，然后放到响应头里（Content-Length：主体的字节数）发送给客户端。而如果服务器动态创建内容，可能在发发送之前无法确定主体大小，分块编码就是为了解决这种情况的。服务端把主体逐块发送，说明每一块的大小，服务器最后再用大小为0的块作为结束块。此时响应头便不需要Content-Length字段。除非使用了分块编码Transfer-Encoding: chunked，否则响应头首部必须使用Content-Length首部。
   • （Content-Length首部）如果请求头包含Accept-Encoding：‘gzip’，则服务器会将内容压缩后返回，内容的Content-Length长度是压缩后的长度。如果请求头不包含Accept-Encoding’: ‘gzip’，服务器就不会采取gzip压缩，同时服务器设定也不进行分块编码。所以返回响应头的Content-Length首部是必须的，但是这个值的大小肯定是没有进行过压缩的文件大小。

4. 字节范围请求。HTTP1.1支持传送内容的一部分。比方说，当客户端已经有内容的一部分，为了节省带宽，可以只向服务器请求所需要的那部分数据。该功能通过在请求消息中引入range头域来实现，他允许只请求资源的某个部分。在响应消息中Content-Range头域声明了返回的这部分对象的偏移值以及长度。如果服务器相应地返回了所请求范围的内容，则响应码206。

5. 在请求消息和响应消息都支持Host头域，在HTTP1.0中认为每台服务器都绑定唯一的IP地址。因此，请求消息中的URL并没有传递主机名（hostname）。但随着虚拟主机技术的发展，在一台物理服务器上可以存在多个虚拟主机（Multi-homed Web Servers），并且他们共享一个IP地址。因此，Host头的引入就十分有必要了。

6. 新增一批Request method，包括OPTIOINS，PUT，DELETE，TRACE，CONNECT方法。

7. 新增缓存处理。HTTP/1.1在1.0的基础加入了一些cache的新特性，引入了实体标签，一般被称为e-tags，新增更为强大的Cache-Control头。

HTTP协议之请求Request

请求的URL

什么是URI

  HTTP使用统一资源标记符（Uniform Resource Identifiers，URI）来传输数据和建立连接。

什么是URL

  URL是一种特殊类型的URI，包含了用于查找某个资源的足够信息。URL，全称是Uniform Resouces Locator，中文叫统一资源定位符，是互联网上用来标识某一处资源的地址。

URL示例

  例如有URL：http://www.aspxfans.com:8080/news/index.asp?boardID=5&ID=24618&page=1#name。

一个完整的URL包括以下几个部分：

1. 协议部分：http://

   该URL的协议部分为”http:“，在”HTTP“后面对的”//“为分隔符。这代表网页使用的是HTTP协议。在Internet中可以使用多种协议，如HTTP，FTP等。

   TIPS：如果不写，浏览器会自动补全，但必须有。

2. 域名部分：www.aspxfans.com

   一个URL中，也可以使用IP地址作为域名使用。域名和IP地址存在隐射关系，遵循DNS域名解析系统。

   TIPS：必须有。

3. 端口部分：8080

   跟在域名后面的是端口号，域名和端口号之间使用”:“作为分隔符。

   TIPS：端口不是URL必须的部分，如果省略端口部分，将采用默认端口80。

4. 虚拟目录部分：/news/

   从域名后的第一个”/“开始到最后”/“为止，是虚拟目录部分。

   TIPS：虚拟目录不是一个URL必须的部分。

5. 文件名部分：index.asp

   从域名后的最后一个"/“开始到”?“为止，是文件名部分，如果没有”?“，则是从域名后的最后一个”/“开始到”#“为止，是文件部分，如果没有”?“和”#“，那么从域名后的最后一个”/"开始到结束，都是文件名部分。

   TIPS：文件名部分也不是一个URL必须的部分，如果省略该部分，则使用默认的文件名。

6. 参数部分：boardID=5&ID=24618&page=1

   从"?“开始到”#“为止之间的部分为参数部分，又被称为搜索部分、查询部分。参数部分可以允许有多个参数，参数和参数之间使用”&"作为分隔符。

   TIPS：参数部分不是必须的。

7. 锚部分：#name

   从"#"开始到最后，都是锚部分。

   TIPS：锚部分也不是一个URL必须的部分。

URI和URL的区别

1. URI，是uniform resource identifier，统一资源标识符，用来唯一的标识一个资源。Web上可用的每种资源如HTML文档、图像、视频片段、程序等都是由一个URI来定位的。URI由三部分组成：①访问资源的命名机制；②存放资源的主机名；③资源自身的名称，由路径表示，着重强调于资源。
2. URL是uniform resource locator，统一资源定位器，它是一种具体的URI，即URL可以用来标识一个资源，而且还指明如何查找到这个资源。URL是Internet上用来描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上，特别是著名的Mosaic。采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。URL一般由三部组成：①协议（或者服务方式）；②存有该资源的主机IP地址(有时也包括端口号)；③ 主机资源的具体地址。如目录和文件名等。
3. URN，uniform resource name，统一资源命名，是通过名字来标识资源，比如mailto:java-net@java.sun.com。URI是以一种抽象的，高层次概念定义统一资源标识，而URL和URN则是具体的资源标识的方式。URL和URN都是一种URI。笼统地说，每个 URL 都是 URI，但不一定每个 URI 都是 URL。这是因为 URI 还包括一个子类，即统一资源名称 (URN)，它命名资源但不指定如何定位资源。上面的 mailto、news 和 isbn URI 都是 URN 的示例。

Request请求的格式

  客户端发送一个HTTP请求到服务器的请求消息格式为：请求行（request line）、请求头部（header）、空行和请求数据四个部分组成。

Request请求示例详解

请求行以一个方法GET或者POST开头，以空格分开，后面跟着请求的URI和协议的版本。详细解释如下：

GET /linhaifeng/p/7278389.html HTTP/1.1
Host: www.cnblogs.com
Connection: keep-alive
Cache-Control: max-age=0
Upgrade-Insecure-Requests: 1
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8
Accept-Encoding: gzip, deflate
Accept-Language: zh-CN,zh;q=0.9

1. 第一部分：请求行、用来说明请求类型，要访问的资源以及使用的HTTP版本。

   GET说明请求类型为GET。

   /linhaifeng/p/7278389.html为要访问对的资源。

   该行的最后一部分说明使用的是HTTP1.1版本。

2. 第二部分：从第二行起为请求头部，紧接着请求行（即第一行）之后，用来说明服务器要使用的附加信息。

   HOST将指出请求的目的地。

   User-Agent，服务器端和客户端脚本都能访问它，它是浏览器类型和检测逻辑的重要基础，该信息有你的浏览器来定义，并且在每个请求中自动发送等。

3. 第三部分：空行，请求头部后面的空行是必须

   即使第四部分的请求数据为空，也必须有空行。

4. 第四部分：请求数据也叫主体，可以添加任意的其它数据。

   这个例子的请求数据为空。只有POST方法才有这个请求体，可以用浏览器登录一个网站，输错账号密码来抓取POST请求。

   POST / HTTP1.1
   Host:www.wrox.com
   User-Agent:Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.04506.648; .NET CLR 3.5.21022)
   Content-Type:application/x-www-form-urlencoded
   Content-Length:40
   Connection: Keep-Alive
   
   name=Professional%20Ajax&publisher=Wiley
   

HTTP请求方法

1. HTTP协议定义了很多与服务器交互的方法（了解）

   HTTP1.0定义了三种请求方法：GET，POST和HEAD方法。

   HTTP1.1新增了五种请求方法：OPTIONS, PUT, DELETE, TRACE 和 CONNECT 方法。

2. 了解下各个方法的大致意义：

   GET，请求指定的网页信息，并返回实体主体。

   HEAD，类似于GET请求，只不过返回的响应中没有具体的内容，用于获取报头。

   POST，向指定资源提交数据进行处理请求（例如提交表单或者上传文件）。数据被包含在请求体中。POST请求可能会导致新的资源的建立和或已有资源的修改。

   PUT，从客户端向服务器传送的数据取代指定的文档内容。

   DELETE，请求服务器删除指定的页面。

   CONNECT，HTTP/1.1协议中预留给能够将连接改为管道方式的代理服务器。

   OPTIONS，允许客户端查看服务器的性能。

   TRACE，回显服务器收到的请求，主要用于测试或诊断。

3. 一个URL地址用于描述一个网络上的资源，而HTTP中最基本的四个方法GET, POST, PUT, DELETE就对应着对这个资源的查，增，改，删4个操作。

4. 我们最常见的是GET和POST。GET一般用于获取/查询资源信息，而POST一般用于更新资源信息。

GET与POST的区别

1. GET提交的数据会放在URL之后，以?分隔URL和传输数据，参数之间以&相连。例如，login.action?name=hyddd&password=idontknow&verify=%E4%BD%A0 %E5%A5%BD。如果数据是英文字母/数字，原样发送，如果是空格，转换为+，如果是中文/其他字符，则直接把字符串进行URL编码，得出如： %E4%BD%A0%E5%A5%BD，其中％XX中的XX为该符号以16进制表示的ASCII。而POST方法是把提交的数据放在HTTP包中的Body部分，因此GET提交的数据会在地址栏中显示出来，而POST提交地址栏不会改变。

2. 在传输数据大小方面的限制。（注意，HTTP协议没有对传输的数据大小进行限制，HTTP协议规范也没有对URL长度进行限制）。而在实际开发中存在的限制主要有：GET方式在特定浏览器和URL长度有限制，例如IE对URL长度的限制是2083字节（2K+35）。对于其它浏览器，如Netscape、FireFox等，理论上没有长度限制，其限制取决于操作系统的支持。而POST方式由于不是通过URL传值，理论上数据不受限。但实际上各个WEB服务器会规定对POST提交数据大小进行限制，Apache、IIS6都有各自的配置。

   简单地说，GET提交的数据大小有限制（因为浏览器对URL的长度有限制），而POST方法提交的数据没有限制。GET方式需要使用Request.QueryString来取得变量的值，而POST方式通过Request.Form来获取变量的值。

3. 安全性的不同。POST的安全性要比GET的安全性高。比如：通过GET提交数据，用户名和密码将明文出现在URL上，因为①登录页面有可能被浏览器缓存；②其他人查看浏览器的历史纪录，那么别人就可以拿到你的账号和密码，除此之外，使用GET提交数据还可能会造成Cross-site request forgery攻击。

HTTP协议之响应Response

  服务器接收并处理客户端发过来的请求后返回一个HTTP的响应消息Response。

  HTTP响应也由四个部分组成，分别是：状态行、消息报头、空行和响应正文。

下面对上述图片中的响应内容进行解释：

1. 第一部分：状态行由HTTP协议版本号，状态码，状态消息三部分组成。

   第一行为状态行，（HTTP/1.1）表明HTTP版本为1.1版本，状态码为200，状态消息为（ok）。

2. 第二部分：消息报头，用来说明客户端要使用的一些附加信息。

   Date：生成响应时间的日期和时间。

   Content-Type：指定了MIME类型的HTML(text/html)，编码类型是UTF-8。

3. 第三部分：空行，消息报头后面的空行是必须的。

4. 第四部分：响应正文，服务器返回给客户端的文本信息。

   空行后的HTML部分为响应正文。

状态码

  状态码有三位数字组成，第一个数字定义了响应的类别，共分五种类别：

• 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：服务端错误，服务器未能实现合法的请求。

常见状态码：

• 200 OK //客户端请求成功
• 400 Bad Request //客户端请求有语法错误，不能被服务端所理解。
• 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

TIPS：

更多发关于状态码的信息请参考链接：https://www.runoob.com/http/http-status-codes.html

供进一步理解：

• 300 多种选择

• 301 临时移动

• 302 永久移动304 未修改。所请求的资源未修改，服务器返回此状态码时，不会返回任何资源。客户端通常会缓存访问过的资源，通过提供一个头信息指出客户端希望只返回在指定日期之后修改的资源。

• 400 错误请求

• 401 未授权

• 402 预留或支付

• 403 请求被拒

• 404 资源未找到

• 500 服务器内部错误

• 501 尚未实施，不能完成请求内容的功能

• 502 错误网关，server作为网关或代理，收到上游server的无效响应

• 503 服务不可用，临时维护等

• 504 请求网关超时

• 505 HTTP版本不支持

HTTP协议完整工作流程

  HTTP协议定义Web客户端如何从Web服务器请求Web页面，以及服务器如何把Web页面传送给客户端。

  HTTP协议采用请求/响应模型。客户端向服务器发送一个请求报文，请求报文包含请求对的方法、URL、协议版本、请求头部和请求数据。服务端以一个状态行作为响应，响应的内容包括协议的版本、成功或者错误代码、服务器信息、响应头部和响应数据。

  以下是HTTP请求/响应的步骤：

1. 客户端连接Web服务器：

   一个HTTP客户端，通常是浏览器，与Web服务器的HTTP端口（默认为80）建立一个TCP套接字。例如，http://www.oakcms.cn。

2. 发送HTTP请求：

   通过TCP套接字，客户端向Web服务器发送一个文本的请求报文，一个请求报文由请求行、请求头部、空行和请求数据4部分组成。

3. 服务端接受请求并放回HTTP响应：

   Web服务器解析请求，定位请求资源。服务器将资源副本写到TCP套接字中，由客户端读取。一个响应由状态行、响应头部、空行和响应数据4部分组成。

4. 释放TCP连接：

   若connection 模式为close，则服务器主动关闭TCP连接，客户端被动关闭连接，释放TCP连接;若connection 模式为keepalive，则该连接会保持一段时间，在该时间内可以继续接收请求；

5. 客户端浏览器解析HTML内容：

   客户端浏览器首先解析状态行，查看表明请求是否成功的状态代码。然后解析每一个响应头，响应头告知以下为若干字节的HTML文档和文档的字符集。客户端浏览器读取响应数据HTML，根据HTML的语法对其进行格式化，并在浏览器窗口中显示。

详尽的示例说明

  在浏览器地址栏键入URL，按下回车之后会经历以下流程：

1. 浏览器向 DNS 服务器请求解析该 URL 中的域名所对应的 IP 地址；
2. 解析出 IP 地址后，根据该 IP 地址和默认端口 80，跟服务器建立TCP连接；
3. 浏览器发出读取文件(URL中域名后面部分对应的文件)的HTTP 请求，该请求报文作为 TCP 三次握手的第三个报文的数据发送给服务器；
4. 服务器对浏览器请求作出响应，并把对应的 html 文本发送给浏览器；
5. 释放 TCP连接；
6. 浏览器将该 html 文本并显示内容；

HTTP协议关键性总结

1. 简单快速

   客户向服务器请求服务时，只需传送请求方法和路径。请求方法常用的有GET、HEAD、POST。每种方法规定客户与服务器联系的类型不同。由于HTTP协议简单，使得HTTP服务器的程序规模小，因而通信速度很快。

2. 灵活

   HTTP允许传输任意类型的数据对象。正在传输的类型由Content-Type加以标记。

3. 无连接

   当某个客户机在短时间多次次请求同一个资源，服务器并不能区别是否已经响应过用户的请求。于是我们每次发送http请求，都需要事先发起一个到服务器的TCP请求，经历“三次握手”的过程。这针对大流量的的服务器来说，开销是相当大的。这是http无连接带来的缺点。 针对http无连接，人们设计了非持久连接和持久连接。实际上关于http协议非持久连接和持久连接是针对TCP协议的。当客户机/服务器的交互运行于TCP协议上，应用程序的每个请求/响应对是经不同的TCP连接时，则该应用程序使用非持久连接，而当应用程序的每个请求/响应对是经相同的TCP连接发送，则该应用程序使用持久连接。

   非持久连接：

   请求一个HTTP请求/响应需要的总时间=客户端发出建立连接+发生请求报文+服务器传输HTML文件的时间。

   持久连接：

   服务器在发送响应后，保持该TCP连接打开。在相同的客户机与服务器之间的后续请求和响应报文通过相同的连接进行传送。不需要再次建立TCP连接 。

4. 无状态

   所谓HTTP是无状态协议，言外之意是说HTTP协议没法保存客户端的信息。

   无状态的优点：
   当服务器不需要先前与该客户端关联的信息时，它的应答就较快。
   无状态的缺点：
   缺少状态意味着如果后续处理需要先前与该客户端关联的信息，则它必须重传。这样可能导致每次连接传送的数据量增大。

   关于HTTP无状态阻碍交互式应用程序的实现。比如记录用户浏览哪些网页、判断用户是否拥有权限访问等。于是，两种用于保持HTTP状态的技术就应运而生，一个是Cookie，而另一个则是Session。

5. 支持B/S（浏览器/服务端）及C/S（客户端/服务端）模式。