HTTP的实体数据

前面我们以及了解到一个http报文是由header+body组成的，但那时我们主要研究的是header，没有涉及到body，

数据类型编码

在TCP/IP协议栈里，传输数据基本上都是header+body的格式，但TCP，UDP因为是传输层协议，它们不会关心body数据是什么，只要把数据发送到对方就算完事了

而http协议则不同，它是应用层协议，数据达到之后工作只能说是完成了一半，还必须要告诉上层应用这是什么数据才行，否则上层应用就会不知所措

你可以设想一下，假如http没有告知数据类型的功能，服务器把一大坨，数据发给了浏览器浏览器看到的是一个黑盒子，这时候该怎么办呢?

当然它可以猜因为很多数据都是有固定格式的，所以通过检查数据的前几个字节也许就能知道GIF图片，或者其他文件了，但这种方式无疑是十分低效的，而且有很大概率会检查不出文件类型

幸运的是，早在http协议诞生之前就已经有了针对这种问题的解决方案，不过它是用在电子邮件系统里的，让电子邮件可以发送ascll编码意外的任意数据，方案名字叫做：多用途互联网邮件扩展，简称为 MIME

MIME是一个很大的标准规范，但http只顺手牵羊取了其中一部分，用来标记body的数据类型，这就是我们平常听到的MIME TYPE

MIME把数据分为八大类，每个大类下再细分出多个子类，形式是type/subtype的字符串，巧的很，刚好符合http明文的特点，所以能够很容易的归纳进HTTP头字段里

这里简单列举一下在HTTP里经常遇到的几个类别

1. text：即文本格式的可读数据，我们最熟悉的应该是 text/html了，表示了超文本文档，此外还有纯文本 text/plain 样式表 text/css等
2. image：即图像文件，有image/gif，image/jpeg。image/png等
3. audio/video：音频和视频数据，例如audio/mpeg,video/mp4等
4. application：数据格式不固定，可能是文本也可能是二进制，必须由上层应用程序来解释。常见的有 application/json，application/javascript、application/pdf 等，另外，如果实在是不知道数据是什么类型，像刚才说的“黑盒”，就会是 application/octet-stream，即不透明的二进制数据。

但仅有MIMETYPE还不够，因为HTTP在传输的时候为了节约带宽，有时候还会压缩数据，为了不让浏览器继续猜，还需要一个encoding type，表示数据是用什么编码格式，这样对方才能正确解压缩，还原出原始的数据

比起 MIME type 来说，Encoding type 就少了很多，常用的只有下面三种：

1. gzip：GNU zip 压缩格式，也是互联网上最流行的压缩格式；
2. deflate：zlib（deflate）压缩格式，流行程度仅次于 gzip；
3. br：一种专门为 HTTP 优化的新压缩算法（Brotli）。

数据类型使用的头字段

有了MIME type和encoding，无论是浏览器还是服务器都可以轻松识别出body的类型，也就能够正确处理数据了

http协议为此定了两个Accept请求头字段和Content实体头字段，由于客户端和服务器进行内容协商，也就是说客户端用accept头告诉服务器希望介绍到什么样的数据，而服务器用content头告诉客户端实际发送了什么样的数据

Accept 字段标记的是客户端可理解的 MIME type，可以用 ,做分隔符列出多个类型，让服务器有更多的选择余地，例如下面的这个头

Accept: text/html,application/xml,image/webp,image/png

这就是告诉服务器：我能够看懂 HTML，XML的文本，还有webp和png的图片，请给我这四类格式的数据

相应的服务器会在相应报文里用头字段Content-Type告诉实体数据的真实类型

Content-Type: text/html
Content-Type: image/png

这样浏览器看到报文里的类型就是 text/html 就知道是html文件，会调用排版引擎渲染出页面，看到image/png就知道是一个png文件，就会在页面上显示出图像

Accept-Encoding字段标记的是客户端支持的压缩格式，例如上面说的gzip，deflate等，同样也可以用 , 列出多个，服务器可以选择其中一种来压缩数据，实际使用的压缩格式放在 Content-Encoding 里

Accept-Encoding: gzip, deflate, br
Content-Encoding: gzip

不过这两个字段是可以省略的，如果请求报文中没有 Accept-Encoding 字段，就表示客户端不支持压缩数据，如果响应报文里没有 Content-Encoding 字段，就表示响应数据没有被压缩

语言与编码

mime type 和 encoding type 解决了计算机理解 body 数据的问题，但互联网遍布全球，不同国家不同地区的人使用了很多不同的语言，虽然都是 text/html 但如何让浏览器显示出每个人都可以立即可阅读的语言文字呢

这实际上就是国际化问题，http采用了与数据类型相似的解决方案，又引入了两个概念，语言类型与字符集

所谓的语言类型就是人类使用的自然语言，例如英语，汉语，日语等，而这些自然语言可能还有下属的地区性方言，所以再需要明确区分的时候就要使用 type-subtype 的形式，不过这里的格式与数据类型不同，分隔符不是 / 而是 -

举个例子：en 表示任意的英语，en-us 表示美式英语，en-gb 表示英式英语，而zh-ch表示我们的汉语

关于自然语言的计算机处理还有一个更麻烦的叫做字符集

在计算机发展的早期，各个国家和地区的人们 各自为政，发明了许多字符编码方式来处理文字，比如英语世界用 ascll ，汉语世界用 gbk，日语世界用 shift_jls等，同一段文字，用一种编码显示正常，换另一种编码后就会变得一团糟‘

所以后来出现了 unicode 和 utf-8，把世界上所有的语言都容纳在一种编码方案里，utf-8 也成为互联网上标准的字符集

语言类型使用的头字段

同样的 http 协议也使用 Accept 请求头字段和 Content 实体头字段，用于客户端和服务器就语言与编码进行内容协商

Accept-Languages 字段标记了客户端可理解的自然语言，也允许使用,做分隔符列出多个类型，例如

Accept-Language: zh-CH, zh, en

这个请求头会告诉服务器：最好给我 zh-CN 的汉语文字，如果没有就用其他汉语方言，如果还没有就给英文

相应的，服务器应该在响应报文中用头字段 Content-Language 告诉客户端实体数据使用的实际语言类型

Content-Language: zh-CN

字符集在HTTP使用的请求头字段是 Accept-Charset， 但响应头里却没有对应的 Content-Charset，而是Content-Type 字段的数据类型后面用 charset=xxx 来表示。这点需要特别注意

例如浏览器请求 GBK 或UTF-8的字符集，然后服务器返回的是UTF-8 编码， 就是下面这样

Accept-Charset: gbk, utf-8
Content-Type: text/html; charset=utf-8

不过现在的浏览器都支持多种字符集，通常不会发送 Accept-Charset ，而服务器也不会发送 Content-Language，因为使用的语言完全可以可以由字符集推断出来，所以在请求头里一般只会有 Accept-Language 字段，响应头里只会有 Content-Type 字段。

内容协商的质量值

在 HTTP 协议里用 Accept、Accept-Encoding、Accept-Language 等请求头字段进行内容协商的时候，还可以用一种特殊的“q”参数表示权重来设定优先级，这里的“q”是“quality factor”的意思。

权重的最大值是 1，最小值是 0.01，默认值是 1，如果值是 0 就表示拒绝。具体的形式是在数据类型或语言代码后面加一个“;”，然后是“q=value”。

这里要提醒的是“;”的用法，在大多数编程语言里“;”的断句语气要强于“,”，而在 HTTP 的内容协商里却恰好反了过来，“;”的意义是小于“,”的。

例如下面的 Accept 字段：

Accept: text/html,application/xml;q=0.9,*/*;q=0.8

它表示浏览器最希望使用的是 HTML 文件，权重是 1，其次是 XML 文件，权重是 0.9，最后是任意数据类型，权重是 0.8。服务器收到请求头后，就会计算权重，再根据自己的实际情况优先输出 HTML 或者 XML。

内容协商的结果

内容协商的过程是不透明的，每个 Web 服务器使用的算法都不一样。但有的时候，服务器会在响应头里多加一个Vary字段，记录服务器在内容协商时参考的请求头字段，给出一点信息，例如：

Vary: Accept-Encoding,User-Agent,Accept

这个 Vary 字段表示服务器依据了 Accept-Encoding、User-Agent 和 Accept 这三个头字段，然后决定了发回的响应报文。

Vary 字段可以认为是响应报文的一个特殊的“版本标记”。每当 Accept 等请求头变化时，Vary 也会随着响应报文一起变化。也就是说，同一个 URI 可能会有多个不同的“版本”，主要用在传输链路中间的代理服务器实现缓存服务，这个之后讲“HTTP 缓存”时还会再提到。

总结

今天我们学习了 HTTP 里的数据类型和语言类型，在这里为今天的内容做个小结。

1. 数据类型表示实体数据的内容是什么，使用的是 MIME type，相关的头字段是 Accept 和 Content-Type；
2. 数据编码表示实体数据的压缩方式，相关的头字段是 Accept-Encoding 和 Content-Encoding；
3. 语言类型表示实体数据的自然语言，相关的头字段是 Accept-Language 和 Content-Language；
4. 字符集表示实体数据的编码方式，相关的头字段是 Accept-Charset 和 Content-Type；
5. 客户端需要在请求头里使用 Accept 等头字段与服务器进行“内容协商”，要求服务器返回最合适的数据；
6. Accept 等头字段可以用“,”顺序列出多个可能的选项，还可以用“;q=”参数来精确指定权重。