HTTP必知必會

HTTP協議作為網絡傳輸的基本協議，有着廣泛的應用。HTTP協議的完整內容很多，但是其核心知識卻又簡單精煉。學習者應該掌握其基本結構，並且能夠舉一反三。這篇文章所列的，就是在實際開發中必須知道必須掌握的HTTP知識。

HTTP協議

HTTP協議：消息的分類

HTTP消息（有的文章稱之為報文）分為請求消息和響應消息兩種基本分類。其中請求消息是客戶端發送給服務器的用於請求服務和資源的消息，響應消息是服務器對請求消息的應答。一般來說，一個響應對應一個請求，不多也不少。

HTTP協議：特點

HTTP協議被人總結為無連接、無狀態的特點：

1. 無連接：無連接的含義是限制每次連接只處理一個請求。服務器處理完客戶的請求，並收到客戶的應答后，即斷開連接。采用這種方式可以節省傳輸時間。

2. 無狀態：HTTP協議是無狀態協議。無狀態是指協議對於事務處理沒有記憶能力。缺少狀態意味着如果后續處理需要前面的信息，則它必須重傳，這樣可能導致每次連接傳送的數據量增大。另一方面，在服務器不需要先前信息時它的應答就較快。

HTTP協議：消息的基本格式

HTTP協議的請求消息和響應消息的格式及其相似。提煉出它們的共性，可以指出，HTTP消息分為三個部分：

1. 首行

2. 頭部（Header）

3. 正文（Body）

其中，頭部用來指出HTTP消息的一些屬性，它們有固定的格式；正文部分是傳輸的實際內容，它們的格式是任意的，通常用Content-Type頭來指定。首行在請求消息和響應消息中具體格式略有區別，它們表示的按理說應該是HTTP消息最基本的部分。不論是HTTP請求還是HTTP響應，首行都是有的，否則會出現不可饒恕的解析錯誤；然而頭部和正文是可選的，不過實際過程中，多多少少都要包含一些基本的頭。

HTTP消息主要是基於ASCII編碼的消息實體。主要的意思是指首行和頭部都是以ASCII編碼，而正文部分的編碼就顯得任意了。在實際的開發中，發送的文本消息時常會碰到亂碼的問題。一種解決辦法是，對於文本消息，約定以UTF-8格式進行編碼和解碼。

知道的人也許知道，HTTP消息是基於TCP協議的上層應用協議。TCP協議是網絡流協議的一種。抽象地講，就是從一台主機一個字節一個字節有序地傳輸到另一台主機。對於HTTP協議來說，自然保持了這種有序性，即按照首行、頭部、正文的順序進行傳輸。首行和頭部都是ASCII文本流，正文部分是字節流。一個特殊的控制結構CRLF用來控制每個部分的結束。

CRLF是回車符和換行符的意思，它們是兩個特殊的ASCII字符。CR是回車符（\r），在ASCII中的編碼是13；LF是換行符（\n），在ASCII中的編碼是10.

下面通過一個例子來解釋CRLF在HTTP消息中的控制。

GET /simple.html HTTP/1.1<CRLF>     ----- 首行
Accept: text/html<CRLF>             --|
Accept-Language: zh-cn<CRLF>          |
Accept-Encoding: gzip, deflate<CRLF>  |-- 頭部
User-Agent: Mozilla/4.0<CRLF>         |
Host: localhost:8080<CRLF>            |
Connection: Keep-Alive<CRLF>        --|
<CRLF>                              ----- 空白行表示頭部的結束
                                    ----- 接下來的內容是正文部分

這是一個簡單的HTTP請求消息。我在其中做了一些必要的刪減，以便每個頭足夠短都能在一行中顯示。記住首行和頭部是ASCII流，正文部分是字節流，它們在消息實體中是連續的片段，並不像代碼中所示那樣有換行的結構。換句話說，原始的消息應該是如下形式：

GET /simple.html HTTP/1.1<CRLF>Accept: text/html<CRLF>Accept-Language: zh-cn<CRLF>Accept-Encoding: gzip, deflate<CRLF>User-Agent: Mozilla/4.0<CRLF>Host: localhost:8080<CRLF>Connection: Keep-Alive<CRLF><CRLF>

回到之前有換行符的代碼例子中去。將每個CRLF單獨列為一行是便於觀察組織。可以清楚地看到，第一行是首行，以CRLF標志其結束；接下來是頭部，含有多個消息頭，每行定義一個消息頭，以CRLF標志其結束；一個單獨的CRLF（緊接着上一個CRLF）表示整個頭部的結束，接下來是正文部分。在這個示例中，正文部分為空。

另外，可以看到每個消息頭的格式都是一致的，即Key:Value的形式。其中Key表示消息頭的鍵，Value表示消息頭的值。

HTTP請求

接下來具體講講HTTP的請求消息。誠心而論，光是寫上面這么點內容就花費了我好久。每每想到寫博客耗費的精力和時間，都會影響到我寫博客的動力。

之前已經說過，HTTP請求消息也分為三個部分：

1. 請求行

2. 請求頭部

3. 請求正文

其中請求頭部的格式我們已經見過。請求行的基本格式為：

方法 路徑 版本

例如下面的例子：

GET /simple.html HTTP/1.1

就有對應關系：

• 方法：GET

• 路徑：/simple.html

• 版本：HTTP/1.1

請求行是HTTP請求消息的最基本要素。版本是用來聲明HTTP消息的解析規則，不同的版本在某些地方的表現是不同的，這里不作過多拆解了。現在實際應用中最新的HTTP協議版本就是HTTP/1.1。路徑可以理解成該請求消息發往服務器的入口，一般來講，同一個路徑應該代表同一個資源實體。方法表示對該資源實體進行的操作，例如上述的GET方法，其含義就是請求獲取該資源的內容。這些都是通常的解釋，但不是必然的要求。實際上，服務器會解析到方法和路徑，根據方法和路徑做出自己相應的響應。這種響應的規則，可以遵循某些規范，也可以完全不考慮這些規范，是任意的。市面上已經存在一些約定俗成的規范了，比如Restful。Restful是非常優秀的基於HTTP協議的WEB API設計理念，很值得講，但在這里就不講了。

HTTP請求：方法

首先列出最常用的HTTP方法：

1. GET

2. POST

3. PUT

4. PATCH

5. DELETE

6. HEAD

7. OPTIONS

之前說過，服務器對於方法的處理，是沒有強制的規范的。這句話說得並不全對。其實每個HTTP方法，都是有一些HTTP協議要求的。比如說GET方法請求的資源，瀏覽器端一般都會有緩存，下次請求的時候可能從緩存中去取就夠了，服務器不用再重復發送相同的資源了；但是服務器如果將獲取資源的接口的方法定義為POST，那么瀏覽器端就不會再對資源進行緩存了，即使每次取到的都是同樣地內容，都會請求服務器重新發送一遍。所以說，將請求資源的接口的方法定義為POST而不是GET，就是一種不合理的設計。

再比如，GET方法的請求消息是不能定義消息體的，HEAD方法的請求其響應消息是不包含消息體的，這些都是HTTP協議對於HTTP方法的約束。

HTTP請求：路徑

方法和路徑的組合構成WEB API的入口，路徑也是很關鍵的。路徑的基本格式一般是：

basic-path[?query-string]

其中[]中的內容表示可選的。在上例中，basic-path就是/simple.html，但不包含query-string的內容。basic-path形式很像UNIX中絕對路徑的樣式，要以/打頭。單獨的/表示一種路徑，/a、/a/b、/a/b/c都是合理的路徑表示。不推薦使用/a/、/a/b/、/a/b/c/這樣/后面不跟任何其他內容的形式（/除外）。優秀的API設計者會利用不同的路徑層級來合理地組織資源。

問號后面的部分就是query-string。它的格式是任意的，只要客戶端和服務器約定好一定的形式即可。這個部分一般是請求參數的附加。之前說過，GET方法是不包含請求體的，所以GET方法的HTTP請求想要附加參數只能使用這種方式。當然其他方法也是可以使用這種方式附加參數，只要服務器同意就可以了。query-string的格式任意，但在客戶端和服務器之間也有預先定好的約定，即鍵值對的形式。query-string可以表示成一系列鍵值對的集合，用以下方式表示：

k1=v1&k2=v2&k3=&k4

在這里，&分隔不同的鍵值對，=表示鍵和值得關系。可以看到一共有四個鍵值對關系，它們是：

• k1: v1

• k2: v2

• k3: 空字符串

• k4: 起碼該鍵被定義了

一般來說，鍵值對要寫成k=v的形式，但是k=和僅僅一個k都是允許的，前者表示鍵k的值是空字符串，后者表示鍵k被定義了，但是其值是什么並不關心。

從上面的例子中發現，在query-string中&和=被用於特殊的用途了，我們不能再在其中從容地使用這兩個符號了。如果我們要在值中包含這兩個符號，那咋辦呢？方法就是，編碼。

在實際的HTTP請求中，對於如下的鍵值關系

k1: &
k2: =

具體的query-string要寫成：

k1=%26&k2=%3D

這是因為在ASCII編碼中，&的16進制表示是26，=的16進制表示是3D。對於需要的編碼，就要表示成其實際編碼的16進制表示，每個字節都用一個%XX三個字符進行表示。這樣，%本身也就要進行編碼了，它的編碼是%25。除了這些控制字符的編碼，還可以進行中文等非英語語言的編碼。

對於編碼部分，我推薦阮一峰的一篇博文

關於URL編碼

雖然看了也未必懂了，但是最起碼知道編碼不是一件簡單的事情。

HTTP請求頭

HTTP請求頭格式與之前所說的消息頭格式沒什么兩樣，就是以冒號分隔的鍵值對。HTTP請求頭中，既包含預定義的頭（如Content-Type、Content-Length等），也支持自定義頭。原本打算多列出幾個常見的請求頭的，但限於精力，不打算這樣做了。我只說說我最常用的Content-Type頭吧。

Content-Type頭，既可用於請求消息，也可用於響應消息，是規定請求正文內容格式的頭部。例如利用這個頭部，我們可以規定正文的格式為純文本格式、表單格式、XML格式、JSON格式、圖像格式等。例如Content-Type: application/json就表示JSON文本格式。

在小節的末尾，我良心地給出一個關於HTTP預定義頭的參考網址：

HTTP消息頭大全

HTTP響應

HTTP響應消息的基本格式也是一樣的，包含三個部分：

1. 響應行

2. 響應頭部

3. 響應正文

響應頭部和響應正文我覺得不需要再多說了。響應行的基本格式是：

版本號 狀態碼 狀態文本

例如下面的響應行：

HTTP/1.1 200 OK

其對應關系為：

• 版本號：HTTP/1.1

• 狀態碼：200

• 狀態文本：OK

HTTP狀態碼主要表示應答的狀態。狀態碼是由3個數字表示，其中第一個數字表示一個大狀態，后面兩個數字表示該大狀態的一個子狀態。200就表示操作成功，還有其他常見的如404表示對象未找到，500表示服務器錯誤，403表示不能瀏覽目錄等等。

狀態碼一共分為五個大狀態，它們是：

• 1xx

• 2xx：請求成功處理

• 3xx

• 4xx：客戶端出錯

• 5xx：服務器出錯

HTTP狀態碼大全

HTTP協議示例：

接下來的所有示例中，我們將代碼都寫成前面的一行一行的模式，但略去 . 這時只要記住每行的結尾都暗含一個CRLF控制就可以了。例如：

GET /simple.html?bg=white HTTP/1.1
Accept: text/html
Accept-Language: zh-cn
Accept-Encoding: gzip, deflate
User-Agent: Mozilla/4.0
Host: localhost:8080
Connection: Keep-Alive

GET請求沒有請求正文，但可以包含query-string.

POST請求可以包含請求正文，例如下面帶JSON格式正文的POST請求：

POST /test/demo_form.asp HTTP/1.1
Host: w3schools.com
Content-Type: application/json
Content-Length: 38

{"name1": "value1", "name2": "value2"}

一個返回404錯誤的響應示例：

HTTP/1.1 404 Not Found
Date: Mon, 06 Mar 2006 09:03:14 GMT
Server: Apache/2.0.55 (Unix) PHP/5.0.5
Content-Length: 291
Keep-Alive: timeout=15, max=100
Connection: Keep-Alive
Content-Type: text/html; charset=iso-8859-1
 
<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML 2.0//EN">
<html><head>
<title>404 Not Found</title>
</head><body>
<h1>Not Found</h1>
<p>The requested URL /notexist was not found on this server.</p>
<hr>
<address>Apache/2.0.55 (Unix) PHP/5.0.5 Server at localhost Port 8080</address>
</body></html>