简明HTTP协议
1 HTTP协议的概念和历史
1.1 什么是HTTP协议
HTTP协议是超文本传送协议(HyperText Transfer Protocol)的缩写，它是万维网(World Wide Web,www,也简称为Web)的基础。HTTP协议设计之初就是为了实现Web的想法。HTTP协议位于TCP/IP协议栈的应用层。
我们在浏览器的地址栏里输入的网站地址叫做URL(UniformResourceLocator，统一资源定位符)。就像每家每户都有一个门牌地址一样，每个网页也都有一个Internet地址。当你在浏览器的地址框中输入一个URL或是单击一个超级链接时，URL就确定了要浏览的地址。浏览器通过超文本传输协议(HTTP)，将Web服务器上站点的网页代码提取出来，并呈现出客户端需要的网页。
HTTP协议使用的默认端口是80，同时也支持自定义端口。
1.2 HTTP协议的历史
HTTP协议到现在为止总共经历了3个版本的演化，第一个HTTP协议诞生于1989年3月。当时Berners-Lee向 CERN（Conseil Europeen pour la Recherche Nucleaire，欧洲核能研究所)提交了一篇名为《信息管理的一个提议》的文章。文章中提出了www网络的构想，不过仅仅在很多方面都只关注了概念，而没涉及到细节。
第一个HTTP协议的版本是HTTP 0.9，它的组成极其简单，因为它只允许客户端发送GET这一种请求，它不包含协议头，每个请求只有一句话，例如：
GET /index.html
由于没有协议头，造成了HTTP 0.9协议只支持一种内容，即纯文本。不过网页仍然支持用HTML语言格式化，同时无法插入图片。所以HTTP 0.9能够支持的应用实在太有限了。一次HTTP 0.9的传输首先要建立一个由客户端到Web服务器的TCP连接，由客户端发起一个请求，然后由Web服务器返回页面内容，然后连接会关闭。如果请求的页面不存在，也不会返回任何错误码。
HTTP 0.9的缺点是显著的，但至少实现了第一代的Web。
HTTP协议的第二个版本是HTTP 1.0，直到HTTP 1.0成为最重要的面向事务的应用层协议。该协议对每一次请求/响应，同样是建立并关闭一次连接。其特点是简单、易于管理，所以它符合了大家的需要，得到了广泛的应用。
并且HTTP 1.0最显著的变化之一是开始支持客户端通过POST方法向Web服务器提交数据。从此客户端与Web服务器之间不再只能单向地获取数据，而可以实现交互，因此CGI（Common Gate Interface，通用网关接口）开始流行起来，Web上开始出现留言板、论坛等丰富的应用。
HTTP 1.0还有个显著的变化是通过HTTP协议头可以支持各种媒体类型。从此Web上不再仅仅是纯文本的页面，比如图像通过<img>的HTML标记开始出现。
除了以上几个新特性，HTTP 1.0支持长连接（但默认还是使用短连接），缓存机制，以及身份认证。
虽说HTTP协议的设计是向前兼容的，但目前很多浏览器和Web服务器都强制要求HTTP协议版本至少是1.0。
HTTP协议的第三个版本是HTTP 1.1，它就是目前使用最广泛的协议版本。这个版本的HTTP协议已经稳定了，跟HTTP 1.0相比，它新增了很多引人注目的新特性，比如Host协议头，一个HTTP请求的头中可以包含一句例如：
Host: vimer.cn
从此一个Web服务器可以支持挂载多个域名了，无需每个域名都使用独立IP，每个网站可以使用虚拟主机。
另一个HTTP 1.1的新特性是支持部分内容请求/响应，这意味着当客户端请求的数据量很大时，可以分多次发起请求，每次请求只要求获取整块数据的一部分。Web服务器也可以分多次响应，每次只返回整块数据的一部分。这使得流媒体得以实现。
从HTTP 1.1开始，客户端默认与Web 服务器建立长连接，这种连接适合Web上数据量较大的丰富应用，使得资源消耗更少。
QzHTTP就是一个支持HTTP 1.1协议的Web Server。
2.HTTP协议内容介绍
2.1 URI
HTTP协议通过URI（Uniform Resource Identifiers，统一资源定位符）来访问资源。根据RFC 1808的官方定义，一个完整URI的组成如下：
http://myname:[email protected]:80/mydir/myfile.html?myvar=myvalue#myfrag
URI字段
表 2.1
| URI部分 |
意义 |
| http |
协议名称 |
| myname |
用户名（可选） |
| mypass |
密码（可选） |
| 主机网络地址 |
|
| 80 |
端口号（可选） |
| /mydir/myfile.html |
资源路径 |
| myvar=myvalue |
查询字符串（可选） |
| myfrag |
锚点（可选） |
可见协议名称用“://”结束，用户名和密码以“:”分隔，以“@”结束，端口号与主机网络地址以“:”分隔，资源路径与查询字符串以“?”分隔，锚点以#开头。
并且，只有协议名称、主机网络地址和资源路径是必须包含在URI里的。
一个更常见的例子如下：
在这里面，http是协议，www.vimer.cn 是主机网络地址，注意末尾的/就是资源路径，这是必须的。当我们平时使用Web浏览器访问时，只需要输入www.vimer.cn 就可以访问，这是由于Web浏览器替我们自动补齐了前面的http://和最后的/，Web浏览器发起请求时使用的URI还是完整的，Web浏览器并不强制用户输入格式规范的URI。
2.2 HTTP请求与响应
HTTP协议的交互主要由请求和响应组成，请求是指客户端发起向Web服务器请求资源的消息，而响应是Web服务器根据客户端的请求回送给客户端的资源消息。
发出的请求信息（Request Message）包括以下几部分：
l 请求行，例如GET /images/logo.gif HTTP/1.1，表示从/images 目录下请求logo.gif 这个文件。
l （请求）头，例如Accept-Language: en
l 空行
l 可选的消息体
请求行和标题必须以<CR><LF> 作为结尾（也就是，回车然后换行）。空行内必须只有<CR><LF>而无其他空格。在HTTP/1.1 协议中，所有的请求头，除Host外，都是可选的。
请求方法（Request Method）
HTTP/1.1协议中共定义了八种方法（有时也叫“动作”）来表明Request-URI指定的资源的不同操作方式：
l 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。
l 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。
l GET
向特定的资源发出请求。注意：GET方法不应当被用于产生“副作用”的操作中，例如在Web 应用程序中。其中一个原因是GET可能会被网络蜘蛛等随意访问。
l 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。
l PUT
向指定资源位置上传其最新内容。
l DELETE
删除指定资源。
l TRACE
回显服务器收到的请求。
l 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。
方法名称是区分大小写的。当某个请求所针对的资源不支持对应的请求方法的时候，服务器应当返回状态码405（Method Not Allowed）；当服务器不认识或者不支持对应的请求方法的时候，应当返回状态码501（Not Implemented)。
HTTP服务器至少应该实现GET和HEAD方法，其他方法都是可选的，可选方法中还有一个重要的方法是POST。当然，所有的方法支持的实现都应当符合下述的方法各自的语义定义。此外，除了上述方法，特定的HTTP服务器还能够扩展自定义的方法。
一个GET请求的示例如图2.3所示：
图2.3 HTTP请求
GET 代表方法名，后面的/代表资源路径，HTTP/1.1表示协议版本。下面都是协议头部分，常见的头字段如表2.2所示。
HTTP协议头字段
表2.2
| 头字段 |
定义 |
| Accept |
客户端可以处理的媒体类型（MIME-Type），按优先级排序；在一个以逗号为分隔的列表中，可以定义多种类型和使用通配符 |
| Accept-Language |
客户端支持的自然语言列表 |
| Accept-Encoding |
客户端支持的编码列表 |
| User-Agent |
客户端环境类型 |
| Host |
服务器端的主机地址 |
| Connection |
连接类型，默认为Keep-Alive |
HTTP协议是Web内容的容器。一个示例HTTP响应如图2.4所示：
图2.4 HTTP响应
每个响应由HTTP协议头和Web内容构成。Web服务器收到一个请求，就会立刻解释请求中所用到的方法，并开始处理应答。服务器的响应消息也包含头字段形式的协议头。响应的格式在RFC2616中定义如下：
Status-Line*
（（ general-header）| response-header | entity-header）CRLF)
CRLF
[ message-body ]
响应消息的第一行是状态行（Stauts-Line），由协议版本以及数字状态码和相关的文本短语组成,各部分间用空格符隔开，除了最后的回车或换行外，中间不允许有回车换行。
Status-Line = HTTP-Version SP Status-Code SP Reason-Phrase CRLF
状态码是试图理解和满足请求的三位数字的整数码， 原因短语（Reason-Phrase）是为了给出的关于状态码的文本描述。状态码用于控制条件，而原因短语（Reason-Phrase）是让用户便于阅读。客户端不需要检查和显示原因短语。
状态码的第一位数字定义响应类型。后两位数字没有任何分类角色。第一位数字有五种值，如表2.3所示。
HTTP响应状态码
表 2.3
| 状态码 |
定义 |
| 1xx 报告 |
接收到请求，继续进程 |
| 2xx 成功 |
步骤成功接收，被理解，并被接受 |
| 3xx 重定向 |
为了完成请求,必须采取进一步措施 |
| 4xx 客户端出错 |
请求包括错的顺序或不能完成 |
| 5xx 服务器出错 |
服务器无法完成显然有效的请求 |
下面列举了为HTTP/1.1定义的状态码值，和对应的原因短语（Reason-Phrase）的例子。
l 客户端错误
"100" : Continue 继续
"101" : witching Protocols 交换协议
l 成功
"200" : OK
"201" : Created 已创建
"202" : Accepted 接收
"203" : Non-Authoritative Information 非认证信息
"204" : No Content 无内容
"205" : Reset Content 重置内容
"206" : Partial Content 部分内容
l 重定向
"300" : Multiple Choices 多路选择
"301" : Moved Permanently 永久转移
"302" : Found 暂时转移
"303" : See Other 参见其它
"304" : Not Modified 未修改
"305" : Use Proxy 使用代理
"307" : Temporary Redirect
l 客户方错误
"400" : Bad Request 错误请求
"401" : Unauthorized 未认证
"402" : Payment Required 需要付费
"403" : Forbidden 禁止
"404" : Not Found 未找到
"405" : Method Not Allowed 方法不允许
"406" : Not Acceptable 不接受
"407" : Proxy Authentication Required 需要代理认证
"408" : Request Time-out 请求超时
"409" : Conflict 冲突
"410" : Gone 失败
"411" : Length Required 需要长度
"412" : Precondition Failed 条件失败
"413" : Request Entity Too Large 请求实体太大
"414" : Request-URI Too Large 请求URI太长
"415" : Unsupported Media Type 不支持媒体类型
"416" : Requested range not satisfiable
"417" : Expectation Failed
l 服务器错误
"500" : Internal Server Error 服务器内部错误
"501" : Not Implemented 未实现
"502" : Bad Gateway 网关失败
"503" : Service Unavailable
"504" : Gateway Time-out 网关超时
"505" : HTTP Version not supported HTTP版本不支持
HTTP状态码是可扩展的。HTTP应用程序不需要理解所有已注册状态码的含义，尽管那样的理解显而易见是很合算的。但是，应用程序必须了解由第一位数字指定的状态码的类型，任何未被识别的响应应被看作是该类型的x00状态，有一个例外就是未被识别的响应不能缓存。例如，如果客户端收到一个未被识别的状态码431，则可以安全的假定请求有错，并且它会对待此响应就像它接收了一个状态码是400的响应。在这种情况下，用户代理（user agent）应当把实体和响应一起提交给用户，因为实体很可能包括人可读的关于解释不正常状态的信息。报文最后是实体信息，即客户请求得到的HTTP服务器上的资源内容。
转载自Vimer的程序世界 [ http://www.vimer.cn ]