HTTP协议：互联网通信的基石与核心技术解析

《HTTP协议：互联网通信的基石与核心技术解析》

一、HTTP协议的本质与结构

作为互联网通信的基础协议，HTTP定义了客户端与服务器之间的请求-响应规范：

1. 请求结构：

   • 首行包含方法（GET/POST等）和路径

   • 关键头部：

     User-Agent: Mozilla/5.0...  # 标识客户端类型（浏览器/爬虫）
     Referer: https://previous.page # 请求来源页（拼写应为Referrer）
     Cookie: sessionId=abc123     # 身份凭证

   • Body存放POST数据（JSON/表单/文件等）

2. 响应结构：

   • 状态行决定请求结果

   • 关键头部：

     Content-Type: application/json # 响应体类型
     Set-Cookie: sessionId=abc123  # 设置客户端Cookie

二、状态码：HTTP的"语言"

分类	含义	常见状态码
1xx	信息性响应	101 协议切换
2xx	成功	200 OK
3xx	重定向	301 永久移动
4xx	客户端错误	404 未找到，405 方法不被允许
5xx	服务器错误	500 内部服务器错误

特殊状态码趣闻：

• 418 I'm a teapot：来自1998年愚人节玩笑（RFC2324）
• 451 Unavailable For Legal Reasons：源于《华氏451度》小说

三、HTTP无状态与Cookie机制

HTTP本质是无状态协议，Cookie技术解决了会话保持问题：

1. 工作流程 ：

   sequenceDiagram participant 客户端 participant 服务器 客户端->>服务器: 首次请求（无Cookie） 服务器-->>客户端: 响应头包含Set-Cookie 客户端->>服务器: 后续请求自动携带Cookie

2. Java模拟带Cookie请求 ：

   // 创建带Cookie的请求
   HttpGet httpGet = new HttpGet("http://example.com/protected");
   httpGet.addHeader("Cookie", "sessionId=abc123"); 
   
   // 执行请求并获取响应
   try (CloseableHttpResponse response = httpClient.execute(httpGet)) {
       String html = IOUtils.toString(response.getEntity().getContent(), "UTF-8");
       System.out.println(html);
   }

四、反爬虫实战：Header伪装

通过设置User-Agent模拟浏览器行为：

// 伪装成Chrome浏览器
httpGet.addHeader("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64)");
httpGet.addHeader("Accept-Language", "zh-CN,zh;q=0.9");

五、Java文件读写三种方式

1. 基础流操作：

   // 读取
   InputStream is = new FileInputStream(file);
   while((readInt = is.read()) != -1) {
       sb.append((char) readInt);
   }
   
   // 写入
   FileOutputStream fos = new FileOutputStream(file);
   fos.write(line.getBytes());

2. 缓冲字符流：

   // 高效读取
   BufferedReader br = new BufferedReader(new FileReader(file));
   String line;
   while((line = br.readLine()) != null) {
       lines.add(line);
   }

3. NIO快捷操作：

   // JDK7+ 单行读写
   List<String> lines = Files.readAllLines(file.toPath());
   Files.write(file.toPath(), lines);