http讲解

1.http 2个预备知识

平时我们俗称的 "网址" 其实就是说的 URL

网络通信本质就是进程间通信，服务器和客户端通信本质就是进程间通信。我们的上网行为也就是获取资源和上传资源，对用进程间通信之间的IO。

• 登录信息 URL 标准仍然允许这种写法，但在现代 Web 里基本不再使用，尤其不推荐把密码放进 URL。 现在更多是历史遗留、命令行工具或某些内部系统还在用。
• 服务器地址是通过DNS域名解析为 ip 地址进行访问的，浏览器会自动帮我们完成，我们现在使用的云服务器没有绑定域名所以不能使用域名。
• 服务器端口号一般会省略，使用 http 服务器使用的端口号是 80。
• Linux 服务器上的路径，第一个 / 准确来讲叫 web 根目录
• ？后表示要传入参数，uid 叫参数的名字，1 是参数的内容，多组参数使用&连起来。片段标识符在客户端定位资源内部的某个位置，现在少见了。

https 是加密的 http， 使用的端口号是443。面对客户的不能随便改，就像 110 与警察的关系。所以重要的常用的协议，端口号必须是众说周知的，不可随意修改的。

urlencode和urldecode：

百度搜索你好，可以发现参数里面有这个关键字。

搜索特殊字符

像 / ? 等这样的字符， 已经被url当做特殊意义理解了。因此这些字符不能随意出现。比如，某个参数中需要带有这些特殊字符，就必须先对特殊字符进行转义。转义的规则如下 ：将需要转码的字符转为16进制（一个字节char类型），URL 里只允许安全 ASCII 字符；其他字符先按 UTF-8 变成字节，再把每个字节写成 %HH，HH 是两位十六进制数。

2.用http 写一个样例

浏览器本身就是客户端，可以直接访问我们的云服务器http，浏览器发送的请求被我们Linux服务器客户端接收。

#pragma once
#include <iostream>
#include "Socket.hpp"
#include <functional>
#include <string>
#include <unistd.h>

// http底层采用的tcp协议
using func_t = std::function<std::string(std::string& request)>;

class HttpServer;

class ThreadData
{
public:
    ThreadData(HttpServer *http_this, Net_Work::Socket *sockp)
        : _this(http_this), _sockp(sockp) {}

    HttpServer *_this;
    Net_Work::Socket *_sockp;
};
 
class HttpServer
{
public:
    HttpServer(int port, func_t hander_request)
        : _port(port), _listensocket(new Net_Work::TcpSocket()), _handler_request(hander_request)
    {
        _listensocket->BuildListenSocketMethod(_port, Net_Work::backlog);
    }

    static void *ThreadRun(void *args)
    {
        pthread_detach(pthread_self()); // 线程分离
        ThreadData *td = static_cast<ThreadData *>(args);

        // 1.读取数据，不关心数据是什么，只读取
        std::string http_request;

        if (td->_sockp->Recv(&http_request, 4096))//不一定会读完
        { // 2.报文处理。数据不仅仅是回调回去，还会回来。由上层HandlerRequest关心
            std::string http_response = td->_this->_handler_request(http_request);
            
            if(!http_response.empty())
                td->_sockp->Send(http_response);
        }

        td->_sockp->CloseSockFd();
        delete td->_sockp; // Loop也可以使用智能指针指向_sockp，这里不用显示释放
        delete td;
        return nullptr;
    }

    void Loop()
    {
        while (true)
        {
            std::string peerip;
            uint16_t peerport;
            Net_Work::Socket *newsockfd = _listensocket->AcceptConnection(&peerip, &peerport);
            if (!newsockfd)
            {
                break;
            }
            std::cout << "newsockfd : " << newsockfd->GetSockFd() << " peerip : " << peerip << " peerport : " << peerport << std::endl;

            // 创建线程处理链接
            pthread_t tid;
            ThreadData *td = new ThreadData(this, newsockfd);
            pthread_create(&tid, nullptr, ThreadRun, td);
        }
    }
    ~HttpServer()
    {
        delete _listensocket;
    }

private:
    int _port;
    Net_Work::Socket *_listensocket;

public:
    func_t _handler_request;
};

无论 http 请求打印了多少行，在 TCP 当中都叫字节流，都是只有一行字符串，是通过 \r\n 区分开的，也是序列化与反序列化。

http 为什么不采用json 方案，而自己做出一套方案，因为 http 是一个基础的协议，该协议不想依赖任何一款第三方库，自己做了字符串处理，但与我们序列化反序列化思想相同，只是复杂了些。

3.http报文交换格式

http 请求报文格式：

总体可分为三部分

1. 首行：方法 + url + 版本。最常见的方法就是GET 和 POST。
2. Header：请求的属性，冒号分割的键值对；每组属性之间使用\n分隔；遇到空行表示Header部分结束。
3. Body：空行后面的内容都是Body，Body允许为空字符串，如果Body存在，则在Header中会有一个Content-Length属性来标识Body的长度。

HTTP 方法：

• GET（获取资源）：最常用的方法。用于请求服务器发送某个资源（比如打开网页、看图片）。它只获取数据，不应改变服务器状态（幂等且安全）。

• POST（传输实体主体）：通常用于向服务器提交数据（比如表单提交、上传文件、发表评论）。它会改变服务器状态（非幂等）。

• PUT（传输文件）：用于向服务器上传/替换资源。如果资源不存在就创建，存在就覆盖（幂等）。

• HEAD（获得报文首部） ：和GET几乎一样，但服务器只返回响应头，不返回响应体。常用于检查资源是否存在、检查文件大小或最后修改时间。

• DELETE（删除文件）：请求服务器删除指定的资源（幂等）。

• OPTIONS（询问支持的方法） ：询问服务器对特定资源支持哪些HTTP方法。跨域请求（CORS）中的预检请求（Preflight）用的就是这个。

• TRACE（追踪路径） ：回显服务器收到的请求，主要用于测试或诊断。由于容易引发XSS安全漏洞，现代服务器通常默认禁用。

• CONNECT（要求用隧道协议连接代理）：要求在与代理服务器通信时建立隧道，常用于HTTPS加密连接的代理（比如翻墙软件、抓包工具的原理）。

• LINK（建立和资源之间的联系） ，UNLINK（断开连接关系） 这两个方法在早期的HTTP/1.0草案中被提出，目的是在HTML文档中建立或断开与其他资源的链接。但后来HTML标准采用了<link>标签，这两个方法就从未被广泛实现，并在后续的HTTP/1.1标准中被正式废弃（Removed）

对于http请求，如何做到读到完整报文，如何http进行反序列化：

http 协议中请求参数 称为有效载荷，且不能保证把 http 读完，但能保证把请求行和请求报文读完，分两步，1.一直读，直到读到空行，2.如果有请求正文，请求报头中会存在一种属性 Content-Length:长度---表明正文部分长度 。报头和有效载荷就是通过空行分离的。报头根据 \r\n 进行反序列化即可，分成字符串。

3.1 有效载荷如何交付

http 相应报文格式：

http 的版本，请求时是浏览器的版本，相应时服务器支持的版本，在交换版本信息。

最常见的状态码, 比如 200(OK), 404(Not Found), 403(Forbidden), 302(Redirect, 重定向), 504(Bad Gateway)。命令行输入 telnet www.baidu.com 80，可以我数请求只简单粗暴地输入GET / HTTP/1.1，然后得到 http 相应，空行后是内容。

我们可以使用 telnet 127.0.0.1 端口，访问自己服务器，查看返回的服务器 response 相应的信息。

4.http的报头中的关键字段

4.1 请求报文中资源路径 url（web根目录）

我们使用浏览器输入我们的云服务器网址和端口号，然后访问。也默认访问web根目录，规定 / 表示我们默认访问该网站的首页 ，即 index.html或index或html 网页文件。如果用浏览器访问，还会得到 favicon.ico 的 ico 图标文件，即百度的熊掌，腾讯的企鹅图标。下图为直接访问我云服务器且正文为空的效果。

自己对浏览器客户端发来的请求进行反序列化：

    bool GetLine(std::string &str, std::string *line)
    {
        auto pos = str.find(HttpSep);//"\r\n"
        if (pos == std::string::npos)
        {
            return false;
        }
        else
        {
            *line = str.substr(0, pos); // 如果line是\r\n,substr(0,0)是空串
            str.erase(0, pos + HttpSep.size());
            return true;
        }
    }    
    bool Deserilize(std::string &request)
    {
        std::string line;
        bool ok = GetLine(request, &line);
        if (!ok)
            return false;
        _req_line = line; // 第一行

        while (true)
        {
            ok = GetLine(request, &line);
            if (ok && line.empty()) // 读到空串，包头处理完了。
            {
                _req_content = request; // 前面被删完了 "\r\n"方便看
                break;
            }
            else if (ok && !line.empty())
            {
                _req_header.push_back(line);
            }
            else
            {
                return false;
            }
        }
        return true;
    }

输入网址时在根目录后带上即可，然后 ？后跟自己想要传入的参数。什么是 web 根目录，如果请求 url = / ,我们请求的是默认首页

    void ParseReqLine()
    {
        std::stringstream ss(_req_line);
        ss >> _method >> _url >> _http_version;
    }

在 http 服务中需要 mkdir 一个 wwwroot（可改名字）目录，里面需要存在一个 index.html （可改名字）主页文件，这个目录称为 http 的根目录，这些资源都在这里

    void ParseReqLine()
    {
        std::stringstream ss(_req_line);
        ss >> _method >> _url >> _http_version;

        if (_url == "/") // 这只分析两种
        {
            _path += _url;
            _path += homepage;
        }
        else // 后面带文件   /x.html
        {
            _path += _url;
        }
    }

所以web 根目录就是服务器指定的已经目录，未来所有的 http 资源 在该路径下 --- linux 的一个指定的目录。如果请求 url = /，我们请求的就是 http 服务器给自动拼接的首页。html 是一个可以被浏览器直接访问的文件，可以提取其中的正文，进行解释，浏览器会把它渲染成我们看到的样子。

w3cschool网址中有各种语法教程。我们看到网页里的要素需要显示的每个都需要单独请求，如果网页里有一张图片，就需要三次请求，一次访问主页，一次访问图片，一次访问 ico 文件。

<!DOCTYPE html>
<html lang="en">

<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>我的网站</title>
</head>

<body>
    <p>This is my first paragraph.</p>
    <!-- <a href="https:www.qq.com/">点我</a> -->
    <a href="http://106.55.106.178:8888/dira/dirb/x.html">点我跳转</a> 
    <h1>登录页面</h1>
    <img src="/image/1.jpg" alt="八重神子">
    

</body>

</html>

请求报文报头属性 中还包括一项 Content-Type：表示正文的类型。

1. 我要请求的所有资源都有后缀，Linux 不以后缀区分，但用户需要通过后缀决定了文件的类型。
2. http respone 给浏览器相应的时候，正文部分是什么类型，可以通过文件资源的后缀来判定。
3. 我们可以建立文件后缀 和 Content-Type 的映射表然后进行反序列化。所以 http 超文本传输协议，可以支持任意内容的发送，根据请求资源的后缀，判定 Content-Type 是什么，

4.2 Get vs Post

上网行为：

• 获取资源。
• 向服务器进行传参，我们要把我们的数据上传到服务器，登录注册，搜索等等。GET/POST 结合 html 使用，即 html 表单

<form action="/action_page.php">
  <label for="fname">First name:</label><br>
  <input type="text" id="fname" name="fname" value="Bill"><br>
  <label for="lname">Last name:</label><br>
  <input type="text" id="lname" name="lname" value="Gates"><br><br>
  <input type="submit" value="提交">
</form>

• GET 通常用来获取资源，也可以用来传递参数
• POST 上传数据

输入First name hello，Last name为123456登陆时，网址变为 http://106.55.106.178:8888/dira/dirb/x.html?**myname=hello\&mypasswd=123456**。

然后我们服务器就可以获取，所以GET方法可以通过 form 表单提交参数，是通过 url 方式提交的。

FORM 表单不写，默认是方法就是GET

使用POST方法：网址后没有跟参数，发现参数放在了正文部分

1. GET 通过 url 传递参数, POST请求正文传参。
2. url传参，字节个数有限制（跟浏览器版本服务器有关），POST方法，参数个数没有限制
3. GET私密性差一点，会在url中回显，POST方法能好一些。但都不安全，明文传送，可以抓到。

4.3 状态码

1开头的状态码表示正在处理，当你不断访问时，就会返回这种信息性状态码，比如银行转账需要处理。 2开头最常用的有200，表示成功 OK。3开头表示重定向，后面讲。403表示访问不属于你客户权限访问内的东西，一般像公司内网；404请求的资源不存在。5开头例如你请求时服务器采用多进程线程创建失败。因为状态码标准只是建议，所以5比较少见，因为服务端可能会否认自己的错误。

307 临时重定向 ，要结合 Location 报头选项，指定一个新的地址， 访问时服务器返回新的地址，然后客户端发起二次请求。例如引导用户跳转到目标网页，例如烦人摇一摇跳转。linux下跳转就是fork然后exec程序替换。

**301永久重定向：**我们使用搜索引擎，获取页面是使用的 url 关键字，关键字会与无数个网站对应，但如果这些网站过期了，想要更新域名，我们服务器就需要给浏览器返回 301 Location 来更新浏览器的书签链接对应关系。

4.4 cookie 和 session

HTTP/1.0 默认短连接，被称作无连接；HTTP/1.1 之后默认持久连接，但 HTTP 仍然是无状态协议。

**无状态：**第二次访问同一张网页，不记得之前访问过（不考虑浏览器缓存了一些信息）。为什么登录B站之后再打开还认识我。 其实每一次访问每一个资源都需要认证，例如是不是vip，根据身份，要区分权限。但它是无状态的，是如何一直认识我的？

版本1： 登录成功后，服务器会返回带有 cookie 的报头，然后客户端浏览器收到后会保存起来，然后再访问服务器时会把保存的 cookie 带上发送。

cookie 分两种，文件级和内存级，文件级就是直接写到浏览器安装 cookie中；内存级就是浏览器 malloc 一段空间保存，浏览器关闭就不认识了。cookie 也可以设置超时时间，多久有效。

服务器设置 Cookie:

    std::string namecookie = "Set-Cookie: username=zhangsan\r\n";
    resp.AddHeader(namecookie);
    std::string passcookie = "Set-Cookie: password=123456\r\n";
    resp.AddHeader(passcookie);
    std::string stauscookie = "Set-Cookie: status=logined\r\n";
    resp.AddHeader(stauscookie);

Cookie 以后就能发给该域名及其子域名。但是 Cookie 这样使用容易被盗。

版本2：构建一个 session，保存用户名，密码和登录状态，服务器后端会形成一个具有唯一性的 sessionid ，然后返回用户 Set-Cookie:sessionid=XXXXXX ；服务器 Coolie 文件保存sessionid，再访问服务器时使用 sessionid。登录名和登录密码保存在服务端 session 文件。这样可以解决用户名和密码的私密性，但依旧可以盗走 sessionid ，但 session 文件维护在服务端（敏感操作校验来源、验证码、二次密码）可以随时让 session 失效过期，达到保护客户端的目的。

一个服务器上，存在大量用户，要通过 session（sessionid）的方式管理：也是先描述，再组织，例如：

4.5 http 中的其他报头

• **Content-Type:**数据类型(text/html等)
• **Content-Length:**Body的长度
• Host: 客户端告知服务器, 所请求的资源是在哪个主机的哪个端口上，一般目标服务器ip地址，很少用;
• User-Agent: 声明用户的操作系统和浏览器版本信息;
• referer: 当前页面是从哪个页面跳转过来的，通常用来禁止从该网站跳转过来;
• **location:**搭配3xx状态码使用, 告诉客户端接下来要去哪里访问;
• Cookie: 用于在客户端存储少量信息. 通常用于实现会话(session)的功能;

本篇结束！

岁受谢，燕辞归。去白日，骛太微。吁嗟！羌斯路之焭焭兮，不可追。欸！董道兮常违。蹇！䰟兮其往，荪奚儃徊？徒离忧兮倾寤，孰将为？䰟兮其往，䰟兮其往，无悲！ 何方归？燕双宿。何方逢？银釭烛。梦觉：玉钗分处、玄鸟去云悠悠；留雨铃、凭谁诉？恨芳年倏忽、朱颜难驻；却念青山永固、总凝目。但为何故？ 知我相负、未负。《原神》剧情PV-「燕归来」