HTTP请求与应答-URL全网唯一文件路径报文结构与短连接

HTTP 请求与应答：URL 全网唯一文件路径、报文结构与短连接

我的github：(https://github.com/xcx55/ubuntu-linux-project)

感谢各位大佬参观我的github！！

源笔记：http2（26-9-8）、http4-别人的应用层协议（26-9-11）、http5 请求报文结构（26-9-12）、字节流数据包两个的区别

上一篇认识了 HTTP 的名字和 DNS，这一篇拆它的真身：一个 URL 到底由什么组成、请求和应答报文长什么样、HTTP 请求的本质为什么是"发文件"。手搓协议攒下的眼光全用上了------协议发来发去就是一个"有结构的字符串"。

一、URL 完整拆解：全网唯一文件路径

一个完整的 URL 长这样：

复制代码

http://user:pass@www.example.jp:80/dir/index.htm?uid=1#ch1
└─协议┘└─登录信息─┘└──服务器地址──┘└┘└─文件路径─┘└查询┘└片段┘
 方案名   (认证，一般省略)               端口号  带层次     字符串  标识符

逐段看：

协议方案名 ：http 或 https；
登录信息（认证） ：user:pass@------一般省略不写；
服务器地址：域名或 IP；
服务器端口号 ：一般服务端 HTTP 协议绑定的端口号都是 80，默认省略；
带层次的文件路径 ：/dir/index.htm；
查询字符串 ：?uid=1，传参用的；
片段标识符 ：#ch1。

网页的本质就是一个文件

学了前端就知道：网页的本质就是一个文件，申请网页就是申请文件 。那么怎么保证找到对应主机的这个文件？靠 Linux 的老朋友------文件路径！

前面依靠 IP 地址 + 隐藏端口号定位主机，主机内靠路径定位文件。串起来：

ip 唯一 → port 主机唯一 → 主机内路径唯一 → HTTP 本质：全网唯一的文件路径！

所以 HTTP 协议的本质就是 IO。给资源就是给 URL，URL 后面那一串本质就是 IO。

URL 与 URI

URL ：统一资源定位符------定位，就是能找到它（笔记里的比方：学号可以唯一定位到一个学生，学号就可以叫做 URL）；
URI ：统一资源标识符------标识，范围更宽；
URL 本身就是 URI。

URL 传参与特殊符号编码

想给服务器传参？就是 URL 传参 ------百度搜索框里敲的内容，全被拼进了搜索路径（?wd=new%20year&...）。

约束来了：URL 传参传的东西不能干扰对 URL 的解析，但又必须传参 。怎么办？对特殊符号（+、/、.、空格等）进行编码 ------比如空格变 %20。你搜索时 URL 里那串乱码，就是这么来的。

二、两个视角：结构体还是字符串？

同一个 HTTP 协议，两个视角看它：

发送者（客户端）视角 ：HTTP 协议是一系列结构体进行封装和 JSON 加包------封装过的结构体资源数据，Kv 直接 k、v 序列化组合；
接收者（服务端）视角 ：HTTP 协议是一种具有层次的 string ，以 \n 为分隔符。

而 HTTP 的一个独特点：它是以行为单位、不依赖任何第三方库的协议（没有使用 JSON） 。为什么不用 JSON？降低用户使用 HTTP 的成本------不用引库，拿到的就是纯文本行，string 拆分就能解析。

三、读取完整性：又是那个 while 循环

TCP 是面向字节流 的：发来的数据数量未知、断断续续、发送和接收次数不匹配------不像 UDP 面向数据报，面向信件，发来三封就得到三封，消息天然完整。

所以 HTTP 的接收方必须自己回答两个问题：1、怎么保证读取完整？2、怎么反序列化？

答案和手搓协议时一模一样：

必须读取到 \r\n（空行），否则 break------TCP 协议再次读取，while 循环，直到读取成功；
读取完整的保证，就是靠报头的循环（应用层的完整）；
反序列化你自己都知道------string 的拆分。

第一层攒字节、第二层切报文，手搓 len\r\n value \r\n 时练的两层循环咬合，在 HTTP 里原样复现。

四、请求报文：请求行 + 报头 + 空行 + 正文

复制代码

HTTP REQUEST
┌────────────────────────────────────────┐
│ 请求行: 请求方法 空格 URI 空格 HTTP版本 换行符 │ ← GET /a/b/c.html HTTP/1.1
├────────────────────────────────────────┤
│ 请求报头: Key:[空格]Value 换行符            │ ← 一行一条，可有多条
│          Key:[空格]Value 换行符            │
│          ...                            │
├────────────────────────────────────────┤
│ 空行: 换行符                     ← 必须！  │
├────────────────────────────────────────┤
│ 请求正文: DATA                   ← 可选的  │
└────────────────────────────────────────┘

请求行的三个字段

请求方法 ：一般就两种------GET （一般是获取）和 POST（一般是上传）；
URI：ip 和端口以及路径------找到唯一主机的唯一文件；
HTTP 版本 ：最常用 http1.1。注意携带的是客户端的 HTTP 版本。

为什么协议要有版本？想想 App 怎么知道软件需要更新------版本被以配置文件的方式记录下来。用版本检测可以规避问题、新增不同的功能、支持不同的功能。

报头与空行

报头是 Key: Value 结构，一行一个，装的是"本次 client 需求的信息和服务端的相对信息"（Host、Connection、User-Agent、Cookie 等等）。报头和正文之间依据空行隔开 ------这个空行就是上一节"读到 \r\n 才算完整"的那个 \r\n，也是报头结束的标志。

分割报文，还是尽量先广度后局部：先按空行切出报头和正文，再按行拆报头，最后按结构拆请求行。

一个真实的请求

复制代码

POST http://job.xjtu.edu.cn/companyLogin.do HTTP/1.1
Host: job.xjtu.edu.cn
Connection: keep-alive
Content-Length: 36
Content-Type: application/x-www-form-urlencoded
User-Agent: Mozilla/5.0 (Windows NT 6.3; Win64; x64) ...
Cookie: JSESSIONID=D628A75845A74D29D991DB47A461E4FC; ...

username=hgtz2222&password=222222222

登录场景：正文里带着账号密码（这就是 POST 上传），报头里 Content-Length 告诉你正文多长，Cookie 带着会话状态。

五、应答报文：状态行是灵魂

HTTP 不像我们的自定义协议那样 request 和 response 共用一套格式------它的请求和应答是不一样的！ （回想网络计算器：去是 size+两个数+操作，回来是 size+一个结构体，格式本来就允许不同。HTTP 做了更高级的封装，前字符串进行了统一，但应答有应答自己的行。）

复制代码

HTTP RESPONSE
┌────────────────────────────────────────┐
│ 状态行: HTTP版本 空格 状态码 空格 状态码描述 换行符 │
├────────────────────────────────────────┤
│ 响应报头: Key:[空格]Value 换行符            │
├────────────────────────────────────────┤
│ 空行: 换行符                              │
├────────────────────────────────────────┤
│ 响应正文: DATA（视频/文件/文章/css/js 等不同类型文件）│
└────────────────────────────────────────┘

状态行 ：HTTP 版本（这次是 httpserver 的版本）+ 状态码 + 状态码描述；
状态码 ：但凡网络还在、客户端发出来了请求，server 必须回复应答 ------请求出错了怎么办？比如 404 NOT FOUND。依据 server 的状态码，客户端为用户或者 server 采取措施；
状态码描述：对状态码的描述，人类可以识别的文字（404 和 NOT FOUND 一起表示请求状态）。

六、HTTP 请求的本质：把 Linux 目录下的文件发给客户端

把所有封装拆掉，看到底：

HTTP 超文本请求的本质：起始就是通过网络服务器，把 Linux 机器上特定目录下的文件，以 http 应答的方式返回给 client（浏览器或者 app）。

server 端源代码的地方，就是根目录的地方；
一般来说我们请求直接写 www.xxx.com/，后面是客户端主动加上 index.html 这个文件名------你不写文件名，浏览器帮你补默认首页；
前端就是这样的：客户端的东西解析得太多了，帮我们进行一系列复杂的请求或者写入数据。

短连接

复制代码

浏览器 ── HTTP request ──→ 服务器
浏览器 ←── HTTP response ── 服务器
                             │
                          close（短连接）
浏览器拿到应答后进一步处理

一次 request + 一次 response，服务器就 close------这就是 HTTP 无连接特性的体现：每次请求都要建立新的连接。

七、依样画葫芦：写一个仿 HTTP 的自定义协议

请求和应答的轮廓都齐了，笔记里的原话："依据这个就可以仿照这个写自定义协议了"------Response 报文和 request 报文都是不同的，就是字符串的格式不相同；请求行/状态行 + Kv 报头 + 空行 + 正文，四段式骨架照搬，内容自己定。手搓协议的功课，到这里就能照着 HTTP 抄作业了。

总结

URL = 协议 + 服务器地址(+端口 80) + 文件路径 + 查询字符串；HTTP 本质 = 全网唯一文件路径，网页就是文件；
URL 就是传参，特殊符号必须编码（空格 → %20）才不干扰解析；
HTTP 以行为单位、不依赖第三方库：发送者看是结构体序列化，接收者看是层次字符串；
面向字节流 → 必须循环读到 \r\n 才算完整；空行是报头与正文的分界；
请求行：方法(GET/POST) + URI + 版本；应答状态行：版本 + 状态码 + 描述，server 必须应答；
HTTP 请求本质 = 把服务器 Linux 特定目录的文件返回给客户端，默认补 index.html；一问一答即短连接。

下一篇换个视角往上爬：为什么需要协议、协议栈为什么叫"栈"、IP 和 MAC 各管什么------把网络分层再往下捅一层。