HTTP协议详解

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是一个属于应用层的面向对象的协议，由于其简捷、快速的方式，适用于分布式超媒体信息系统。它于1990年提出，经过几年的使用与发展，得到不断地完善和扩展。

        HTTP协议工作于客户端-服务端架构之上。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服务器根据接收到的请求后，向客户端发送响应信息。

http请求-响应模型

主要特点

        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。每种方法规定了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：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。

        4、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。

        5、支持B/S及C/S模式。

HTTP之URL

        HTTP使用统一资源标识符（Uniform Resource Identifiers，URI）来传输数据和建立连接。URL是一种特殊类型的URI，包含了用于查找某个资源的足够的信息。

        URL，全称是Uniform Resource 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的一般格式如下：http://host[:port][path]。

        host: 合法的Internet主机域名或IP地址；

        port: 端口号，缺省端口为80；

        path: 请求资源的路径。

        以下面这个URL为例，介绍下普通URL的各部分组成：

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

        从上面的URL可以看出，一个完整的URL包括以下几部分：

        1、协议部分：该URL的协议部分为“http：”，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等等本例中使用的是HTTP协议。在"HTTP"后面的“//”为分隔符。

        2、主机部分（或者又叫域名部分）：该URL的域名部分为“www.aspxfans.com”。一个URL中，也可以使用IP地址作为域名使用。该部分的内容表示了服务器在网络中的位置。

        3、端口部分：跟在域名后面的是端口，域名和端口之间使用“:”作为分隔符。端口不是一个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：从域名后的第一个“/”开始到最后一个“/”为止，是虚拟目录部分。虚拟目录也不是一个URL必须的部分。本例中的虚拟目录是“/news/”。

        5、文件名部分：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。本例中的文件名是“index.asp”。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、锚部分：从“#”开始到最后，都是锚部分。本例中的锚部分是“name”。锚部分也不是一个URL必须的部分。

        7、参数部分：从“？”开始到“#”为止之间的部分为参数部分，又称搜索部分、查询部分。本例中的参数部分为“boardID=5&ID=24618&page=1”。参数可以允许有多个参数，参数与参数之间用“&”作为分隔符。

URI和URL的区别

        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、程序等都是一个来URI来定位的。URI一般由三部组成：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。

        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，而且还指明了如何locate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(或称为服务方式)；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。

        URN是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。

        在Java的URI中，一个URI实例可以代表绝对的，也可以是相对的，只要它符合URI的语法规则。而URL类则不仅符合语义，还包含了定位该资源的信息，因此它不能是相对的。在Java类库中，URI类不包含任何访问资源的方法，它唯一的作用就是解析。相反的是，URL类可以打开一个到达资源的流。

HTTP之请求消息Request

        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。

Http请求消息结构

        请求行以一个方法符号开头，以空格分开，后面跟着请求的URI和协议的版本。

 

        Get请求例子，使用Charles抓取的request：

        GET/562f25980001b1b106000338.jpg HTTP/1.1

        Host    img.mukewang.com

        User-Agent    Mozilla/5.0 (Windows NT 10.0; WOW64)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36

        Accept    image/webp,image/*,*/*;q=0.8

        Referer    http://www.imooc.com/

        Accept-Encoding    gzip, deflate, sdch

        Accept-Language    zh-CN,zh;q=0.8

        第一部分：请求行，用来说明请求类型，要访问的资源以及所使用的HTTP版本。GET说明请求类型为GET，[/562f25980001b1b106000338.jpg]为要访问的资源，该行的最后一部分说明使用的是HTTP1.1版本。

        第二部分：请求头部，紧接着请求行（即第一行）之后的部分，用来说明服务器要使用的附加信息。从第二行起为请求头部，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，它是浏览器类型检测逻辑的重要基础。该信息由你的浏览器来定义，并且在每个请求中自动发送等等。

        第三部分：空行，请求头部后面的空行是必须的，即使第四部分的请求数据为空，也必须有空行。

        第四部分：请求数据也叫主体，可以添加任意的其他数据。这个例子的请求数据为空。

 

        POST请求例子，使用Charles抓取的request：

        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 CLR3.0.04506.648; .NET CLR 3.5.21022)

        Content-Type:application/x-www-form-urlencoded

        Content-Length:40

        Connection:Keep-Alive

 

        name=Professional%20Ajax&publisher=Wiley

        第一部分：请求行，第一行明了是post请求，以及http1.1版本。

        第二部分：请求头部，第二行至第六行。

        第三部分：空行，第七行的空行。

        第四部分：请求数据，第八行。

HTTP之响应消息Response

        一般情况下，服务器接收并处理客户端发过来的请求后会返回一个HTTP的响应消息。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。

http响应消息格式

        例子

        HTTP/1.1200 OK

        Date:Fri, 22 May 2009 06:07:21 GMT

        Content-Type:text/html; charset=UTF-8

 

        <html>

              <head></head>

              <body>

                    <!--body goes here-->

              </body>

        </html>

        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）。

        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。第二行和第三行为消息报头，Date:生成响应的日期和时间；Content-Type:指定了MIME类型的HTML(text/html)，编码类型是UTF-8。

        第三部分：空行，消息报头后面的空行是必须的。

        第四部分：响应正文，服务器返回给客户端的文本信息。空行后面的html部分为响应正文。

HTTP之状态码

        状态代码有三位数字组成，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：服务器端错误--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，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

HTTP请求方法

        根据HTTP标准，HTTP请求可以使用多种请求方法。

        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。

        GET：请求指定的页面信息，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的内容。

        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。

HTTP工作原理

        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协议采用了请求/响应模型。客户端向服务器发送一个请求报文，请求报文包含请求的方法、URL、协议版本、请求头部和请求数据。服务器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、客户端连接到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套接字连接。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、服务器接受请求并返回HTTP响应。Web服务器解析请求，定位请求资源。服务器将资源复本写到TCP套接字，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keep alive，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。

        例如：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，和服务器建立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 文本解析并显示内容。

GET和POST请求的区别

        GET请求

        GET/books/?sex=man&name=Professional HTTP/1.1

        Host:www.wrox.com

        User-Agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.7.6)

        Gecko/20050225Firefox/1.0.1

        Connection:Keep-Alive

        注意最后一行是空行

 

        POST请求

        POST /HTTP/1.1

        Host:www.wrox.com

        User-Agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.7.6)

        Gecko/20050225Firefox/1.0.1

        Content-Type:application/x-www-form-urlencoded

        Content-Length:40

        Connection:Keep-Alive

 

        name=Professional%20Ajax&publisher=Wiley

        1、传输数据的方式：GET提交，请求的数据会附在URL之后（就是把数据放置在HTTP协议头中），以?分割URL和传输数据，多个参数用&连接；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，则直接把字符串用BASE64加密，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。

        POST提交：把提交的数据放置在是HTTP包的包体中。上文示例中红色字体标明的就是实际的传输数据，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、传输数据的大小：首先声明：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：特定浏览器和服务器对URL长度有限制，例如IE对URL长度的限制是2083字节(2K+35)。对于其他浏览器，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。

        因此对于GET提交时，传输数据就会受到URL长度的限制。

        POST：由于不是通过URL传值，理论上数据不受限。但实际各个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。

        3、安全性：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了，除此之外，使用GET提交数据还可能会造成Cross-siterequest forgery攻击。

        4、Httpget, post, soap协议都是在http上运行的。

        （1）get：请求参数是作为一个key/value对的序列（查询字符串）附加到URL上的

查询字符串的长度受到web浏览器和web服务器的限制（如IE最多支持2048个字符），不适合传输大型数据集同时，它很不安全。

        （2）post：请求参数是在http标题的一个不同部分（名为entitybody）传输的，这一部分用来传输表单信息，因此必须将Content-type设置为:application/x-www-form-urlencoded。post设计用来支持web窗体上的用户字段，其参数也是作为key/value对传输。但是：它不支持复杂数据类型，因为post没有定义传输数据结构的语义和规则。

        （3）soap：是httppost的一个专用版本，遵循一种特殊的xml消息格式Content-type设置为:text/xml任何数据都可以xml化。

Http协议定义了很多与服务器交互的方法，最基本的有4种，分别是GET,POST, PUT, DELETE。一个URL地址用于描述一个网络上的资源，而HTTP中的GET,POST, PUT, DELETE就对应着对这个资源的查，改，增，删4个操作。我们最常见的就是GET和POST了。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。