剖析 HTTP 协议

HTTP 概述

HTTP 是什么？

HTTP（HyperText Transfer Protocol，超文本传输协议）是WWW (World Wide Web)实现数据通信的基石。

HTTP是由IETF(Internet Engineering Task Force，互联网工程工作小组) 和W3C(World Wide Web Consortium，万维网协会) 共同合作制订的，它们发布了一系列的RFC(Request For Comments)，其中最著名的是RFC 2616，它定义了HTTP /1.1。

它是一种应用层协议（OSI七层模型的最顶层），它基于TCP/IP通信协议来传递数据（HTML 文件, 图片文件, 查询结果等）。

实例

如果你学习过计算机网络，熟悉OSI模型，那么你可以跳过这个实例了。

而不了解OSI模型的朋友，不妨通过一个实例来对HTTP报文有一个感性的认识。

以下是使用 wireshark 抓取的一个实际访问百度首页的 HTTP GET 报文：

可以清楚的看到它的层级结构如下图，经过了层层的包装。

工作原理

HTTP 工作于Client/Server（客户端/服务器）模型上。

客户端和服务器之间的通信采用request/response（请求/响应）机制。

客户端是终端（可以是浏览器、爬虫程序等），服务器是网站的Web服务器。

一次HTTP 操作称为一个事务，其工作过程大致可分为四步：

（1）建立连接：首先，客户端和服务器需要建立一个到服务器指定端口（默认端口号为80）的TCP连接。

注：虽然HTTP 采用TCP连接是最流行的方式，但是RFC并没有指定一定要采用这种网络传输方式。

（2）发送请求信息：客户端向服务器发送请求。请求方式的格式为，统一资源标识符、协议版本号，后边是MIME信息包括请求修饰符、客户机信息和可能的内容。

（3）发送响应信息：服务器监听指定接口是否收到请求，一旦发现请求，处理后，返回响应结果给客户端。其格式为一个状态行包括信息的协议版本号、一个成功或错误的代码，后边是MIME信息包括服务器信息、实体信息和可能的内容。

（4）关闭连接：客户端根据响应，显示结果给用户，最后关闭连接。

特点

• 无连接的：无连接的含义是限制每次连接只处理一个请求。服务器处理完客户的请求，并收到客户的应答后，即断开连接。采用这种方式可以节省传输时间。

• 无状态的：HTTP协议是无状态协议。无状态是指协议对于事务处理没有记忆能力。缺少状态意味着如果后续处理需要前面的信息，则它必须重传，这样可能导致每次连接传送的数据量增大。另一方面，在服务器不需要先前信息时它的应答就较快。

• 媒体独立的：这意味着，只要客户端和服务器知道如何处理的数据内容，任何类型的数据都可以通过HTTP发送。客户端以及服务器指定使用适合的MIME-type内容类型。

• C/S模型的：基于Client/Server模型工作。

HTTP 消息结构

HTTP是基于客户端/服务端（C/S）的架构模型，通过一个可靠的链接来交换信息，是一个无状态的请求/响应协议。

一个HTTP"客户端"是一个应用程序（Web浏览器或其他任何客户端），通过连接到服务器达到向服务器发送一个或多个HTTP的请求的目的。

一个HTTP"服务器"同样也是一个应用程序（通常是一个Web服务，如Apache Web服务器或IIS服务器等），通过接收客户端的请求并向客户端发送HTTP响应数据。

HTTP使用统一资源标识符（Uniform Resource Identifiers, URI）来传输数据和建立连接。

一旦建立连接后，数据消息就通过类似Internet邮件所使用的格式[RFC5322]和多用途Internet邮件扩展（**MIME）[RFC2045]**来传送。

客户端请求消息

客户端发送一个HTTP请求到服务器的请求消息包括以下格式：请求行（request line）、请求头部（header）、空行和请求数据四个部分组成，下图给出了请求报文的一般格式。

服务器响应消息

HTTP响应也由四个部分组成，分别是：状态行、消息报头、空行和响应正文。

HTTP 请求

根据HTTP标准，HTTP请求可以使用多种请求方法。

HTTP1.0定义了三种请求方法： GET, POST 和 HEAD方法。

HTTP1.1新增了五种请求方法：OPTIONS, PUT, DELETE, TRACE 和 CONNECT方法。

• HTTP 请求消息头

HTTP 响应

HTTP 响应消息头

HTTP 状态码

当浏览者访问一个网页时，浏览者的浏览器会向网页所在服务器发出请求。当浏览器接收并显示网页前，此网页所在的服务器会返回一个包含HTTP状态码的信息头（server header）用以响应浏览器的请求。

HTTP状态码的英文为HTTP Status Code。

下面是常见的HTTP状态码：

• 200 - 请求成功
• 301 - 资源（网页等）被永久转移到其它URL
• 404 - 请求的资源（网页等）不存在
• 500 - 内部服务器错误

HTTP状态码分类

HTTP状态码由三个十进制数字组成，第一个十进制数字定义了状态码的类型，后两个数字没有分类的作用。HTTP状态码共分为5种类型：

• HTTP 状态列表：

转自：静默虚空
注：作者博客很好看哈哈

参考

http://blog.youkuaiyun.com/gueter/article/details/1524447

http://www.runoob.com/http/http-intro.html

https://en.wikipedia.org/wiki/Hypertext_Transfer_Protocol