深度解析 HTTP

我的主页：************2的n次方_****************

1. HTTP 的简单介绍

HTTP ：超文本传输协议，不仅能传输文本，还能传输图片，音频文件，视频······

目前基本上都用的是 1.1 版本

https 可以认为是 http 的升级版，区别就是引入了一个"加密层"（https 的安全性更高一些）

2. HTTP的报文格式

2.1. 请求

先来看请求格式：

第一行为请求行，包括方法和 URL 已经对应的版本号，之间通过空格区分

接下来是请求头，每一行通过换行区分，其中是多个键值对，通过"："分割

然后是一个空行，表示请求头的结束

最后是消息主题（可能有也可能没有）

2.2. 响应

响应的基本格式：

响应和请求的格式是类似的，不过首行表示的是协议的版本号和状态码以及状态码的描述，中间也是用空格区分，其他和请求都是类似的

接下来介绍一下 URL：唯一资源定位符，与之对应的还有一个 URI（唯一资源标识符）

URL 格式：

端口：不写端口的话，浏览器会自动拼接一个端口（不是随机分配的端口，描述的是服务器的端口，是固定的），根据协议，如果是 http，浏览器自动加上 80 端口，如果是 https，浏览器自动加上 443 端口

查询字符串部分（query string）：键值对结构，针对访问的资源进行补充说明，可以有多个，一般是程序员自定义的

URL encode：URL 编码）是一种将字符转换为可在 URL 中安全传输的格式的方法。在 URL 中，有些字符具有特殊含义，比如 "/"、"?"、"&" 等。如果 URL 中包含这些特殊字符或者其他一些非 ASCII 字符，可能会导致 URL 解析错误。URL 编码通常将特殊字符和非 ASCII 字符转换为 "%" + 两位十六进制数字的形式。

日常开发时，大多数不需要手动处理转码，使用的一些库中一般是自带了 url encode / decode 的功能的

3. HTTP 的方法

3.1. GET 和 POST

http 的方法：

GET：从服务器拿到一个数据，直接在浏览器中输入一个 url 就会触发 GET 请求，HTML 页面中的很多元素会进一步触发 GET 请求，下面用 Fiddler 抓包工具来看一下：

上面的这些大部分都是进一步发出的请求

这里抓包的两种方式：当打开浏览器界面之后再次刷新，此时抓到的请求并不是很多，但是如果使用 ctrl + F5 就会有一堆请求，因为上述得到的内容主要是一些 css，JS，图片等文件，这些内容一般都是固定的，改变频率很低，所以第一次获取时就会缓存到硬盘上，后续再搜索时就没必要重复上面保存的内容了，有效的节省了带宽，加快了页面的展示速度

JS 代码也能够触发 GET 请求

POST：向服务器发送一个数据，一般是登录/注册的场景：

或者是上传一个文件：

大多数情况使用的是 GET，然后就是 POST，其他方法基本不怎么使用

Restful 风格：

post：新增（把给服务器的数据放到 body 中）

delete：删除（把给服务器的数据放到 query string 中）

put：查找（把给服务器的数据放到 body 中）

get：修改（把给服务器的数据放到 query string 中）

3.2. 面试题：GET 和 POST 的区别

其实这两种方法并没有本质的区别，GET 能用的场景 POST 也能用，不过在使用习惯上还是有一定的区别的：

1. 语义不同。也就是方法的含义不同，get 就是获取数据，post 就是提交数据，使用 get 提交数据也可以，但并不推荐。
2. 传递数据的方式不同。get 传递数据通常是通过 query string 把自定义数据交给服务器，post 传递数据是通过 body 把自定义数据交给服务器，给 get 也能加 body，但是有些库不支持解析
3. 在 http 官方文档中，建议 get 方法对应的请求通常设置为幂等的，即多次执行相同的 GET 请求应该产生相同的结果，不会对服务器状态产生副作用。post 方法对幂等性没有要求。
4. 承接幂等性。get 方法如果设置为幂等的，此时 get 的结果是可以缓存的，post 不设置为幂等性，post 就不会缓存

4. 请求报头和响应报头

报头（header）是指在请求和响应消息中用于传递附加信息的部分，由一系列的键值对组成，每个键值对称为一个报头字段，报头字段的格式通常为"字段名: 字段值"，接下来看一些常见的报头：

1. Host： 表示服务器主机的地址和端口。一般情况下和 URL 是一样的。
2. **Content-Length：**表示 body 中的数据长度，单位是字节。指明了 http 数据报到哪里会结束，在 http3.0 之前是基于 TCP 的，而 TCP 是面向字节流的，存在粘包问题，当时介绍的解决粘包问题就是指定分隔符和数据报长度。
3. **Content-Type：**表示 body 中的数据格式。

在一个请求或响应中，没有 body，就没有上面的两个字段，如果有的话必须要包含上面的两个字段

在 Fiddler 抓个包看一下

这里就看到了相应的数据格式为 text/html，也会在 Content-Type 中指定 body 的编码格式，如果不指定或者与实际的编码格式不匹配就会出现乱码

除了 text/html 格式外还有下面这些：

一般情况下 ，text/html，text/css，application/javascript 经常出现在响应中，application/json 请求和响应都会出现。

4.1. UA

User Agent（UA）：一个向访问的网站提供特定设备和软件信息的字符串

通过 UA 获取用户的浏览器信息和操作系统信息，可以判定当前用户的浏览器版本都支持哪些特性，目前 UA 的主要作用就是用来做数据统计，区分 PC 端和移动端

4.2. Referer 字段

网站可以通过 "Referer" 字段了解用户是从哪个页面链接到当前页面的，以此来分析用户的行为，流量信息等

但是 Referer 字段可以被用户或恶意软件伪造

4.3. Cookie

概念：Cookie 是服务器发送到用户浏览器并保存在本地的一小块数据，当用户再次访问同一服务器时，浏览器会将 Cookie 发送回服务器，按照域名为维度来进行分类，一个域名下可能会有多个 Cookie，后续访问哪个域名就把这个域名下的 Cookie 带入到请求中

结构：Cookie 也是键值对结构，通过"； "来区分键值对，"="来区分键和值，键和值的含义一般也都是程序员自定义的，Cookie 就相当与是浏览器给网站提供的一种"客户端存储数据"的机制

Cookie 里面的内容也是来自于服务器，首次访问某个网站之后，可能是不带 Cookie 的，在首次响应之后就会有 Set-Cookie 这样的报头，把一些键值对写回到浏览器，浏览器后续再访问这个网站就会带有 Cookie

应用场景：浏览器中提示的是否保存此站点密码或者用户的偏好设置，还可以保存用户的登录状态，例如，有的网站登录和未登录之后可供访问的内容不同，当用户首次访问时需要进行登录，登录成功，同时服务器会返回一个身份信息（会话 ID，服务器生成的一个随机的唯一的字符串，服务器也会使用类似哈希表的结构来以 id 为 key，用户信息为值存储），就会通过Cookie 保存下来，之后用户访问其他页面都会带着 Cookie 保存的身份信息去访问，服务器收到 Cookie 之后就会读取到里面的 session id，在哈希表中查找验证

4.4. 状态码

4.4.1. 成功状态

200 OK：表示响应已经成功

4.4.2. 重定向状态码

302 Found：表示请求的资源临时被移动到了其他位置，浏览器会自动重定向到新的 URL。

4.4.3. 客户端出错

403 Forbidden：表示服务器理解请求，但拒绝执行，通常是因为用户没有足够的权限访问资源。

404 Not Found：表示服务器无法理解客户端的请求，可能是请求格式错误，浏览器访问的资源没有在服务器中找到

405 Method Not Allowed：表示服务器接收到的请求方法不被允许，例如尝试使用 POST 方法向一个只允许 GET 方法访问的资源发送请求，服务器就可能返回 405 状态码。

4.4.4. 服务器出错

500 Internal Server Error：表示服务器内部发生错误，无法完成请求。

504 Gateway Timeout：网关超时。当客户端向服务器发送请求，而服务器作为网关或者代理在等待上游服务器的响应时超时，服务器负载过高时就会返回这个状态码。