HTTP基本原理-白红宇

HTTP基本原理

阅读量：5011 次

发布时间：2019-06-12

本文共 3738 字，大约阅读时间需要 12 分钟。

HTTP基本原理

1.1 URL 和 URI

　　URI 全称为 Uniform Resource Identifier，意为统一资源标志符，URL 全称为 Universal Resource Locator ，意为统一资源定位符。例如：https://github.com/favicon.ico 是Github的网站图标链接，它既是一个 URL 也是一个 URI 。即有这样的一个图标资源，我们用 URL / URI 来唯一指定了它的访问方式，这其中包括了访问协议、访问路径和资源名称。通过这样一个链接，我们便可以从互联网上找到这个资源，这就是 URL / URI。URL 是 URI 的子集，也就是说每个URL都是URI，但不是每个 URI 都是 URL。除了 URL 以外，URI 还包括 URN （全称为 Universal Resource Name，统一资源名称），URN 只命名资源而不指定如何定位资源，比如：urn:isbn:0451450523 指定了一本书的 ISBN，可以唯一标识这本书，但是没有指定到哪里定位这本书。在互联网中，URN 用的非常少，所以几乎所有的 URI 都是 URL，对于一般的网页而言，既是URL，又是URI。

1.2 HTTP 和 HTTPS

　　HTTP 全称为 Hyper Text Transfer Protocol，意为超文本传输协议。HTTP协议是用于从网络传输超文本数据到本地浏览器的传输协议，它能保证高效而准确地传送超文本文档（网页）。HTTPS 全称为 Hyper Text Transfer Protocol over Secure Socket Layer ，是以安全为目标的 HTTP 通道，意思就是HTTP的安全版（基于HTTP加入了SSL层）。

1.3 HTTP请求过程

　　我们在浏览器中输入一个 URL 按回车之后便会在浏览器中观察到网页的内容，实际上，这个过程浏览器向网站所在服务器发送了一个请求，网站服务器接收到请求后进行处理和解析，然后返回响应，传回给浏览器。响应里面包含了网页的源代码等内容，浏览器再对其进行解析，便将网页呈现出来。

以访问百度为例：

在 URL 地址栏输入https://www.baidu.com 然后按回车，浏览器就会向百度的服务器发送请求，而百度的服务器返回的响应就是上图中的结果。

第一列 Name : 请求的名称，一般会将URL 的最后一部分内容当作名称

第二列 Status : 响应的状态码，200代表响应是正常的。通过这个状态码，我们可以判断发送了请求以后是否得到了正常的响应。

第三列 Type : 请求的文档类型。document代表这次请求的是一个HTML文档。

第四列 Initiator ：请求源，用来标记请求是由哪个对象或进程发起的。

第五列 Size ：从服务器下载的文件和请求的资源大小，如果是从缓存中取得的资源，则会显示 from cache。

第六列 Time ：发起请求到获取响应所用的总时间。

第七列 Waterfall ：网络请求的可视化瀑布流。

点击具体的条目还可以查看更详细的信息：

General部分：Request URL 为请求URL，Request Method 为请求的方法（常见的有GET和POST），Status Code为响应状态码，Remote Address 为远程服务器的地址和端口，Referrer Policy 为Referrer判别策略。

Response Headers 为响应头，Request Headers为请求头。

　　请求，由客户端向服务器发出，可以分为4部分内容：请求方法（Request Method）、请求地址（Request URL）、请求头（Request Headers）、请求体（Request Body）。

　　常见得请求方法有两种：GET 和 POST。在浏览器中直接输入URL 按回车，这便发起了一个 GET 请求，请求的参数会直接包含在 URL 里面。例如，在百度搜素python，这就是一个GET请求，链接为https://www.baidu.com/s?wd=python ，其中URL中包含了请求的参数信息，参数wd表示要搜寻的关键字。问号？后面的内容称为查询字符串，也就是一堆请求参数，多个请求参数之间使用&链接。POST请求大多在表单提交时发起，因为POST请求与GET请求最大的区别就是请求参数是否暴露，GET请求的参数直接暴露在URL中，对于一个用户注册或登录的表单这无疑就是很严重的问题了，因为用户名和密码都直接暴露在URL地址栏上；POST请求的参数是包含在请求体中的，数据都是通过表单形式传输。除此以外，这两种请求还有一点区别就是：GET请求提交的数据最多只有1024字节，而POST请求没有限制。

　　请求地址，就是统一资源定位符URL，可以唯一确定请求的资源。

　　请求头，用来说明服务器使用的附加信息，例如：Cookie、Referer、User-Agent 等。同样以访问百度为例来说明请求头：

Accept：请求报头，用于指定客户端可接受哪些类型的信息， */*代表可以接受任何类型的信息。

Accept-Language：指定客户端可接受的语言类型

Accept-Encoding：指定客户端可接受的内容编码

Host：用于指定请求资源的主机 IP 和端口号，其内容为请求URL的原始服务器或网关的位置。

Cookie：有的也用复数形式Cookies，这是网站为了辨别用户进行会话跟踪而存储在用户本地的数据，是一堆key=value。

Referer：标识请求从哪个页面发过来

User-Agent：是一个特殊的字符串头，可以使服务器识别客户端的操作系统及版本、浏览器及版本等信息，爬虫必须加上该信息，否则会被识别为爬虫。

Content-Type：互联网媒体类型

　　请求体，一般承载的内容是POST请求中的表单数据，GET请求没有请求体。

　　响应，由服务器返回给客户端，分为三部分：响应状态码（Response Status Code）、响应头（Response Headers）和响应体（Response Body）。

　　响应状态码标识服务的响应状态，比如常见的有：200代表服务器正常响应，404代表页面没有找到，500代表服务器内部发生错误。除此以外，还有如下状态码：

　　响应头包含了服务器对请求的应答信息，例如：

Date：标识响应产生的时间

Last-Modified：指定资源的最后修改时间

Content-Encoding：指定响应内容的编码

Set-Cookie：设置Cookies，响应头中的Set-Cookies告诉浏览器需要将此内容放在Cookies中，下次请求携带Cookies请求。

Expires：指定响应的过期时间

Content-Type：文档类型，指定返回的数据类型。text/html代表返回HTML文档，application/x-javascript代表返回JS文件，image/jpeg代表返回图片

　　响应体，响应的正文数据都在响应体重，比如请求网页时，它的响应体就是网页的HTML代码，请求一张图片时，它的响应体就是图片的二进制数据。

1.4 无状态的HTTP

　　HTTP的无状态是指HTTP协议对事务处理是没有记忆能力的，也就是说服务器不知道客户端是什么状态。当我们向服务器发送请求后，服务器解析该请求，然后返回对应的响应，服务器负责完成这个过程，而且这个过程是完全独立的，服务器不会记录前后状态的变化，也就是缺少状态记录。这就意味着如果后续需要处理前面的信息，则必须重新传，这导致需要额外传递一些前面的重复请求，才能获取后续响应。

　　正是因为这个现象，就有了会话和Cookies技术。会话在服务端，用来保存用户的会话信息；Cookies在客户端，浏览器在下次访问网页时会自动附带上它发送给服务器，服务器通过识别Cookies并鉴定出是哪个用户。Cookies也分为会话Cookie和持久Cookie，会话Cookie就是把Cookie放在浏览器内存里，浏览器关闭之后该Cookie失效；持久Cookie则保存在客户端的硬盘中，下次还可以继续使用。下面以知乎为例说明Cookie：