Linux网络编程---详解HTTP协议

HTTP 简介

HTTP协议是Hyper Text Transfer Protocol（超文本传输协议）的缩写,是用于从万维网（WWW:World Wide Web ）服务器传输超文本到本地浏览器的传送协议。。
HTTP是一个基于TCP/IP通信协议来传递数据（HTML 文件, 图片文件, 查询结果等）。

HTTP 工作原理

HTTP协议工作于客户端-服务端架构上。浏览器作为HTTP客户端通过URL向HTTP服务端即WEB服务器发送所有请求。
Web服务器有：Apache服务器，IIS服务器（Internet Information Services）等。
HTTP默认端口号为80，但是你也可以改为8080或者其他端口。

HTTP三个特点：

HTTP是基于客户端/服务端（C/S）的架构模型，通过一个可靠的链接来交换信息，是一个无状态的请求/响应协议。

HTTP是无连接： 无连接的含义是限制每次连接只处理一个请求。服务器处理完客户的请求，并收到客户的应答后，即断开连接。采用这种方式可以节省传输时间。
HTTP是媒体独立的： 这意味着，只要客户端和服务器知道如何处理的数据内容，任何类型的数据都可以通过HTTP发送。客户端以及服务器指定使用适合的MIME-type内容类型。
HTTP是无状态： HTTP协议是无状态协议。无状态是指协议对于事务处理没有记忆能力。缺少状态意味着如果后续处理需要前面的信息，则它必须重传，这样可能导致每次连接传送的数据量增大。另一方面，在服务器不需要先前信息时它的应答就较快。

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

认识URL（Uniform Resource Identifiers, URI）

平时我们俗称的 “⺴址” 其实就是说的 URL，我们知道浏览器作为HTTP客户端给是通过URL给HTTP服务端发送请求进行通信。所谓的URL就是我们通常所说的网址，我们来看下他的组成：

URL格式:
协议方案名：//认证信息@服务器地址：端口号/请求的资源路径？query_string#片段标识符
例如，我们在百度搜索C++，看下它的URL。

https://www.baidu.com/s?wd=C%2B%2B&rsv_spt=1&rsv_iqid=0xd99175460001909d&issp=1&f=3&rsv_bp=0&rsv_idx=2&
ie=utf-8&tn=baiduhome_pg&rsv_enter=1&rsv_sug3=2&rsv_sug1=2&rsv_sug7=001&rsv_sug2=1&rsp=0&
rsv_sug9=es_2_1&rsv_sug4=4546&rsv_sug=9

注意：为了能看清楚，所以每一行进行了回车换行，本来的URL是一个连续的一段网址。
下面我们来对比百度的这个网址和普通的URL有什么区别。
== 协议方案名：==顾名思义，指的是协议方案名字。 我们采用的就是http协议发送请求，所以前面就是http；http协议是明文传输，所以不安全，因此现在基本都是https，https其实就是http的加密版。后面会有专门的博客介绍https。

认证信息： 认证信息就相当于登陆信息。 对于http协议，他的认证信息就夹在URL中，我们用户用肉眼就看一看得见他的登录名和密码，所以很不安全；而https通过加密之后，这些认证信息会加密，也就不会直接放在URL中，所以比较安全，因此我们第二幅图URL中就没有认证信息这一块。

服务器地址： 指的就是你要请求的服务器的地址，也就是网址。

端口号： 指你要请求的是服务器的某个地址对应的程序入口地址。 如果不加端口号，http则默认是80号端口，https是443号端口。这个端口号无符号短整型（0-65535），0-1024不推荐使用，因为是知名协议预留端口。

/请求的资源路径： 请求的根目录资源路径。（这个跟目录其实是相对根目录，意思就是URL中上看的是一个根目录，但对应到服务器上时其实是一个子目录）。 如果没有资源路径，那么默认是/index.html，例如你访问 www.baidu.com 和 www.baidu.com/index.html 是同一个页面。

？query_string（查询字符串）： 就是你要搜索的内容。这个内容通过urlencode（URL编码）成一个字符串。这个字符串是用&符号连接成的多个键值对（key=val&key=val&…）。

#片段标识符：（相当于标签），例如第一张图，浏览器读取URL后，会自动将#ch1位置滚动至可视区域。如果没有片段标识符，那直接从头开始显示。 我们注意到搜索C++的时候在它的URL中并没有显示C++这些字符。那么原因就在于他将这些字符进行了编码。

urlencode/urldecode（URL编码/解码）

因为url中特殊字符在很多地方都有特殊含义，因此为了防止我们提交的数据中也包含特殊字符造成歧义，因此对我们提交的数据进行url编码操作.注意转义只是转的提交的字符串。

URL编码操作： 每个字符是一个字节，即8位。然后将特殊字符高四位转换为16进制数字，低四位转换为16进制数字，并且为了区分这是转换过的字符，所以在两个16进制数字之前都加上一个转义字符%。如：+ 对应 0010 1011 ，0010对应2，1011对应b，所以C++转换过的字符就是C%2b%2b。
我们查看上面的百度URL就可以找到wd=C%2b%2b，这就是我们搜索栏输入的内容，后面的一系列用&连接起来的键值对则用于标识请求的其他信息。URL编码只是转义的我们搜索栏中提交的字符串。

URL编码操作: 解码操作和编码刚好互逆。

说了这么多，终于到了HTTP，我们下来看HTTP协议的格式。

HTTP请求

一个HTTP"客户端"是一个应用程序（Web浏览器或其他任何客户端），通过连接到服务器达到向服务器发送一个或多个HTTP的请求的目的。
客户端发送一个HTTP请求到服务器的请求消息包括以下格式：请求行（request line）、请求头部（header）、空行和请求数据四个部分组成，请求协议格式分了四个部分

GET /hello.txt HTTP/1.1//紧接着这块是回车换行，即\r\n
User-Agent: curl/7.16.3 libcurl/7.16.3 OpenSSL/0.9.7l zlib/1.2.3//紧接着这块是回车换行，即\r\n
Host: www.example.com//紧接着这块是回车换行，即\r\n
Accept-Language: en, mi//紧接着这块是回车换行，即\r\n
//这块是空行，/r/n
//接着这块是请求正文

HTTP 协议的 8 种请求类型（方法)

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。
具体介绍如下：
GET： 向特定的资源发出请求。其更多的是获取资源，没有请求正文，能够提交的url长度是有限的（这是它的缺陷），早期最大是1K，现在4-8k。

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创建和/或已有资源的修改。更多提交表单数据，有正文，提交的数据是在正文中，正文没有长度限制。
HEAD： 向服务器索要与GET请求相一致的响应，只不过响应体将不会被返回。这一方法可以在不必传输整个响应内容的情况下，就可以获取包含在响应消息头中的元信息。

OPTIONS： 返回服务器针对特定资源所支持的HTTP请求方法。也可以利用向Web服务器发送’*'的请求来测试服务器的功能性。

PUT: 向指定资源位置上传其最新内容。
DELETE： 请求服务器删除 Request-URI 所标识的资源。
TRACE： 回显服务器收到的请求，主要用于测试或诊断。
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。
虽然 HTTP 的请求方式有 8 种，但是我们在实际应用中常用的也就是 get 和 post，其他请求方式也都可以通过这两种方式间接的来实现。

HTTP响应

HTTP/1.1 200 OK	//状态行，分别为协议版本、状态码、状态描述符
Date: Mon, 27 Jul 2009 12:28:53 GMT//响应报头
Server: Apache//响应报头
Last-Modified: Wed, 22 Jul 2009 19:15:56 GMT//响应报头
ETag: "34aa387-d-1568eb00"//响应报头
Accept-Ranges: bytes//响应报头
Content-Length: 51//响应报头
Vary: Accept-Encoding//响应报头
Content-Type: text/plain//响应报头
//空行，即\r\n
//这里是响应正文

HTTP 响应头信息

Allow: 服务器支持哪些请求方法（如GET、POST等）。

Content-Length ： 表示内容长度。只有当浏览器使用持久HTTP连接时才需要这个数据。如果你想要利用持久连接的优势，可以把输出文档写入 ByteArrayOutputStream，完成后查看其大小，然后把该值放入Content-Length头，最后通过byteArrayStream.writeTo(response.getOutputStream()发送内容。

Content-Type ： 表示后面的文档属于什么MIME类型。Servlet默认为text/plain，但通常需要显式地指定为text/html。由于经常要设置Content-Type，因此HttpServletResponse提供了一个专用的方法setContentType。

Date： 当前的GMT时间。你可以用setDateHeader来设置这个头以避免转换时间格式的麻烦。

Expires： 应该在什么时候认为文档已经过期，从而不再缓存它？

Last-Modified： 文档的最后改动时间。客户可以通过If-Modified-Since请求头提供一个日期，该请求将被为一个条件GET，只有改动时间迟于指定时间的文档才会返回，否则返回一个304（Not Modified）状态。Last-Modified也可用setDateHeader方法来设置。

Location： 表示客户应当到哪里去提取文档。Location通常不是直接设置的，而是通过HttpServletResponse的sendRedirect方法，该方法同时设置状态代码为302。

Server： 服务器名字。Servlet一般不设置这个值，而是由Web服务器自己设置。

Set-Cookie ： 设置和页面关联的Cookie。Servlet不应使用response.setHeader(“Set-Cookie”, …)，而是应使用HttpServletResponse提供的专用方法addCookie。参见下文有关Cookie设置的讨论。

HTTP状态码(HTTP Status Code)

当浏览者访问一个网页时，浏览者的浏览器会向网页所在服务器发出请求。当浏览器接收并显示网页前，此网页所在的服务器会返回一个包含HTTP状态码的信息头（server header）用以响应浏览器的请求。

HTTP状态码分类
HTTP状态码由3个十进制数字组成，第一个十进制数字定义了状态码的类型，后两个数字没有分类的作用。

HTTP状态码共分为5种类型：

分类	类别	分类描述
1**	Informational(信息状态吗）	信息，服务器收到请求，需要请求者继续执行操作
2**	Success(成功状态码）	成功，操作被成功接收并处理
3**	Redirection(重定向状态码）	重定向，需要进一步的操作以完成请求
4**	Client Error(客户端错误状态码)	客户端错误，请求包含语法错误或无法完成请求
4**	Server Error(服务器状态码）	服务器错误，服务器在处理请求的过程中发生了错误

下面是常见的HTTP状态码：
200 - 请求成功
301 - 资源（网页等）被永久转移到其它URL
404 - 请求的资源（网页等）不存在
500 - 内部服务器错误