HTTP学习笔记（一）

发表于 更新于 分类于 ， ， ， ， 阅读次数： 本文字数： 4.4k 阅读时长 ≈ 4 分钟
常用头字段,标准的请求方法,状态码,HTTP协议特点

完整的HTTP报文格式：

完整的HTTP报文格式

示例：

示例

响应报文的状态行、响应头、响应体分别和请求报文的起始行（请求行）、请求头、请求体对应。

或者说：请求头 = 请求行 + 请求头（头部字段）；响应头 = 状态行 + 响应头（头部字段）

注意：头部字段是 key-value 的形式，用“:”分隔，不区分大小写，顺序任意，除了规定的标准头，也可以任意添加自定义字段，实现功能扩展。

常用头字段

通用字段

在请求头和响应头里都可以出现

  • Date：但通常出现在响应头里，表示 HTTP 报文创建的时间，客户端可以使用这个时间再搭配其他字段决定缓存策略。

请求字段

仅能出现在请求头里，进一步说明请求信息或者额外的附加条件

  • Host：告诉服务器这个请求应该由哪个主机来处理，当一台计算机上托管了多个虚拟主机的时候，服务器端就需要用 Host 字段来选择。唯一一个 HTTP/1.1 规范里要求必须出现的字段，也就是说，如果请求头里没有 Host，那这就是一个错误的报文
  • User-Agent：使用一个字符串来描述发起 HTTP 请求的客户端，服务器可以依据它来返回最合适此浏览器显示的页面。
    • 但由于历史的原因，User-Agent 非常混乱，每个浏览器都自称是“Mozilla”“Chrome”“Safari”，企图使用这个字段来互相“伪装”，导致 User-Agent 变得越来越长，最终变得毫无意义。
    • 不过有的比较“诚实”的爬虫会在 User-Agent 里用“spider”标明自己是爬虫，所以可以利用这个字段实现简单的反爬虫策略。

响应字段

仅能出现在响应头里，补充说明响应报文的信息；

  • Server：告诉客户端当前正在提供 Web 服务的软件名称和版本号
    • Server 字段也不是必须要出现的，因为这会把服务器的一部分信息暴露给外界，如果这个版本恰好存在 bug，那么黑客就有可能利用 bug 攻陷服务器。所以，有的网站响应头里要么没有这个字段，要么就给出一个完全无关的描述信息。

实体字段

它实际上属于通用字段，但专门描述 body 的额外信息。

  • Content-Length：它表示报文里 body 的长度，也就是请求头或响应头空行后面数据的长度。服务器看到这个字段，就知道了后续有多少数据，可以直接接收。如果没有这个字段，那么 body 就是不定长的，需要使用 chunked 方式分段传输。

标准的请求方法

常用

  • GET：获取资源，可以理解为读取或者下载数据；搭配 URI 和其他头字段就能实现对资源更精细的操作。
  • HEAD：获取资源的元信息。HEAD 方法与 GET 方法类似，也是请求从服务器获取资源，服务器的处理机制也是一样的，但服务器不会返回请求的实体数据，只会传回响应头，也就是资源的“元信息”。HEAD的响应头与 GET 完全相同，所以可以用在很多并不真正需要资源的场合，避免传输 body 数据的浪费。
  • POST：向资源提交数据，相当于写入或上传数据；
  • PUT：类似 POST；POST 和 PUT 方法则是GET和HEAD的相反操作，向 URI 指定的资源提交数据，数据就放在报文的 body 里。
    • 通常POST表示“新建”，PUT表示“修改”

其他

  • DELETE：方法指示服务器删除资源，因为这个动作危险性太大，所以通常服务器不会执行真正的删除操作，而是对资源做一个删除标记。当然，更多的时候服务器就直接不处理 DELETE 请求。
  • CONNECT：是一个比较特殊的方法，要求服务器为客户端和另一台远程服务器建立一条特殊的连接隧道，这时 Web 服务器在中间充当了代理的角色。
  • OPTIONS：方法要求服务器列出可对资源实行的操作方法，在响应头的 Allow 字段里返回。它的功能很有限，用处也不大，有的服务器（例如 Nginx）干脆就没有实现对它的支持。
  • TRACE：多用于对 HTTP 链路的测试或诊断，可以显示出请求 - 响应的传输路径。它的本意是好的，但存在漏洞，会泄漏网站的信息，所以 Web 服务器通常也是禁止使用。

这些方法有点像对文件或数据库的“增删改查”操作，只不过这些动作操作的目标不是本地资源，而是远程服务器上的资源，所以只能由客户端“请求”或者“指示”服务器来完成。

扩展方法

LOCK 方法锁定资源暂时不允许修改，或者使用 PATCH 方法给资源打个小补丁，部分更新数据。但因为这些方法是非标准的，所以需要为客户端和服务器编写额外的代码才能添加支持。

HTTP请求方法图示

补充：

  • 跨域资源共享标准新增了一组 HTTP 首部字段，允许服务器声明哪些源站通过浏览器有权限访问哪些资源。另外，规范要求，对那些可能对服务器数据产生副作用的 HTTP 请求方法（特别是 GET 以外的 HTTP 请求，或者搭配某些 MIME 类型的 POST 请求），浏览器必须首先使用 OPTIONS 方法发起一个预检请求（preflight request），从而获知服务端是否允许该跨域请求。服务器确认允许之后，才发起实际的 HTTP 请求。在预检请求的返回中，服务器端也可以通知客户端，是否需要携带身份凭证（包括 Cookies 和 HTTP 认证相关数据）。 在现在前端最常用的 cors 跨域中，浏览器都是用 OPTIONS 方法发预检请求的

状态码

1××

提示信息，表示目前是协议处理的中间状态，还需要后续的操作；

  • 101：（Switching Protocols）客户端使用 Upgrade 头字段，要求在 HTTP 协议的基础上改成其他的协议继续通信，比如 WebSocket。而如果服务器也同意变更协议，就会发送状态码 101，但这之后的数据传输就不会再使用 HTTP 了。

2××

成功，报文已经收到并被正确处理；

  • 200：（OK）表示一切正常，服务器如客户端所期望的那样返回了处理结果，如果是非 HEAD 请求，通常在响应头后都会有 body 数据。
  • 204：（No Content）含义与“200 OK”基本相同，但响应头后没有 body 数据。所以对于 Web 服务器来说，正确地区分 200 和 204 是很必要的。
  • 206：（Partial Content）HTTP 分块下载或断点续传的基础，在客户端发送“范围请求”、要求获取资源的部分数据时出现，它与 200 一样，也是服务器成功处理了请求，但 body 里的数据不是资源的全部，而是其中的一部分；状态码 206 通常还会伴随着头字段“Content-Range”，表示响应报文里 body 数据的具体范围，供客户端确认，例如“Content-Range: bytes 0-99/2000”，意思是此次获取的是总计 2000 个字节的前 100 个字节。

3××

重定向，资源位置发生变动，需要客户端重新发送请求；

  • 301：（Moved Permanently）永久重定向”，含义是此次请求的资源已经不存在了，需要改用新的 URI 再次访问。
  • 302：（Found）“临时重定向”，意思是请求的资源还在，但需要暂时用另一个 URI 来访问。
    • 301 和 302 都会在响应头里使用字段 Location 指明后续要跳转的 URI，最终的效果很相似，浏览器都会重定向到新的 URI。两者的根本区别在于语义，一个是“永久”，一个是“临时”，所以在场景、用法上差距很大。
    • 301和302还另有两个等价的状态码“308Permanent Redirect”和“307 TemporaryRedirect”，但这两个状态码不允许后续的请求更改请求方法。
  • 304：（Not Modified）用于 If-Modified-Since 等条件请求，表示资源未修改，用于缓存控制。它不具有通常的跳转含义，但可以理解成“重定向已到缓存的文件”（即“缓存重定向”）。

4××

客户端错误，请求报文有误，服务器无法处理；

  • 400：（Bad Request）表示请求报文有错误，但具体是数据格式错误、缺少请求头还是 URI 超长它没有明确说，只是一个笼统的错误，客户端看到 400 只会是“一头雾水”“不知所措”。所以，在开发 Web 应用时应当尽量避免给客户端返回 400，而是要用其他更有明确含义的状态码。
  • 403：（Forbidden）实际上不是客户端的请求出错，而是表示服务器禁止访问资源。原因可能多种多样，例如信息敏感、法律禁止等，如果服务器友好一点，可以在 body 里详细说明拒绝请求的原因。
  • 404：（Not Found）原意是资源在本服务器上未找到，所以无法提供给客户端。但现在已经被“用滥了”，只要服务器“不高兴”就可以给出个 404，而我们也无从得知后面到底是真的未找到，还是有什么别的原因。
  • 405：（Method Not Allowed）不允许使用某些方法操作资源，例如不允许 POST 只能 GET；
  • 406：（Not Acceptable）资源无法满足客户端请求的条件，例如请求中文但只有英文；
  • 408：（Request Timeout）请求超时，服务器等待了过长的时间；
  • 409：（Conflict）多个请求发生了冲突，可以理解为多线程并发时的竞态；
  • 413：（Request Entity Too Large）请求报文里的 body 太大；
  • 414：（Request-URI Too Long）请求行里的 URI 太大；
  • 429：（Too Many Requests）客户端发送了太多的请求，通常是由于服务器的限连策略；
  • 431：（Request Header Fields Too Large）请求头某个字段或总体太大；

5××

服务器错误，服务器在处理请求时内部发生了错误。

  • 500：（Internal Server Error）也是一个通用的错误码，服务器究竟发生了什么错误我们是不知道的。不过对于服务器来说这应该算是好事，通常不应该把服务器内部的详细信息，例如出错的函数调用栈告诉外界。虽然不利于调试，但能够防止黑客的窥探或者分析。
  • 501：（Not Implemented）表示客户端请求的功能还不支持，这个错误码比 500 要“温和”一些，和“即将开业，敬请期待”的意思差不多，不过具体什么时候“开业”就不好说了。
  • 502：（Bad Gateway）通常是服务器作为网关或者代理时返回的错误码，表示服务器自身工作正常，访问后端服务器时发生了错误，但具体的错误原因也是不知道的。
  • 503：（Service Unavailable）表示服务器当前很忙，暂时无法响应服务，我们上网时有时候遇到的“网络服务正忙，请稍后重试”的提示信息就是状态码 503。
    • 503 是一个“临时”的状态，很可能过几秒钟后服务器就不那么忙了，可以继续提供服务，所以 503 响应报文里通常还会有一个“Retry-After”字段，指示客户端可以在多久以后再次尝试发送请求。

HTTP协议特点

  • 灵活可扩展
  • 可靠传输
  • 应用层协议
  • 请求 + 应答，客户端主动发起请求，服务器被动回复请求
  • 无状态
  • 其他特点
    • 实体数据可缓存可压缩
    • 可分段获取数据
    • 支持身份认证
    • 支持国际化语言等等

与UDP的对比：
UDP：无连接也无状态的，顺序发包乱序收包，数据包发出去后就不管了，收到后也不会顺序整理

TCP：有连接无状态，顺序发包顺序收包，按照收发的顺序管理报文。