Web服务器踩坑之旅03:解析HTTP请求报文

项目地址：

本文实现的文件在源码中的SimpleWebServer/http_parser目录下

本文内容

• 目标：解析HTTP报文，从而获取客户请求的文件的文件名及文件地址
• 浏览器与服务器间的通信过程
  • URL与URI
• HTTP协议
  • HTTP请求报文
• 解析HTTP请求报文

浏览器与服务器间的通信过程

URL和URI

URL：（Uniform Resource Locator）统一资源定位符

URI：（Uniform Resource Identifier）就是某个协议方案表示的资源的定位标识符。协议方案是指访问资源锁使用的协议类型名称。采用HTTP协议时，协议方案就是HTTP。

URI有很多的格式，这里我们仅介绍绝对URI格式

HTTP协议

HTTP 协议规定，请求从客户端发出，最后服务器端响应该请求并返回。换句话说，肯定是先从客户端开始建立通信的，服务器端在没有接收到请求之前不会发送响应。

下面来看一个具体的示例

先看客户的请求。下面是客户端发送给某个HTTP服务器端的请求报文中的部分内容。图中所示，客户请求服务器上的文件“562f25980001b1b106000338.jpg”

请求报文

 GET /562f25980001b1b106000338.jpg HTTP/1.1
 Host:img.mukewang.com
 User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64)
 AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36
 Accept:image/webp,image/*,*/*;q=0.8
 Referer:http://www.imooc.com/
 Accept-Encoding:gzip, deflate, sdch
 Accept-Language:zh-CN,zh;q=0.8
 空行
 请求数据为空

• 请求行，用来说明请求类型,要访问的资源以及所使用的HTTP版本。
  GET说明请求类型为GET，/562f25980001b1b106000338.jpg(URL)为要访问的资源，该行的最后一部分说明使用的是HTTP1.1版本。

• 请求头部，紧接着请求行（即第一行）之后的部分，用来说明服务器要使用的附加信息。

• • HOST，给出请求资源所在服务器的域名。
  • User-Agent，HTTP客户端程序的信息，该信息由你发出请求使用的浏览器来定义,并且在每个请求中自动发送等。
  • Accept，说明用户代理可处理的媒体类型。
  • Accept-Encoding，说明用户代理支持的内容编码。
  • Accept-Language，说明用户代理能够处理的自然语言集。
  • Content-Type，说明实现主体的媒体类型。
  • Content-Length，说明实现主体的大小。
  • Connection，连接管理，可以是Keep-Alive或close。

• 空行，请求头部后面的空行是必须的即使第四部分的请求数据为空，也必须有空行。

• 请求数据也叫主体，可以添加任意的其他数据。

解析请求报文

在此Web服务器中，我们仅支持GET请求方法的解析，并且我们仅关心请求行的内容。

用状态机解析HTTP请求

我们使用状态机来解析HTTP请求

图片来自社长的最新版Web服务器项目详解 - 05 http连接处理（中）

我们的代码中有2个状态机，分别称为主状态机和从状态机：主状态机在内部调用从状态机

从状态机：即parse_line函数

它从m_read_buf中解析出一个行

这个状态机的初始状态是LINE_OK，其原始驱动力来自于m_read_buf中新到达的客户数据。在test函数中，我们传入待测试的HTTP请求，再调用parse_read函数来分析读入的数据，parse_read函数首先要做的就是调用parse_line函数来获取一个行，获取一行内容后，parse_line函数就可以将这行内容递交给parse_content函数来处理这部分数据

具体的流程分析可以看《Linux高性能服务器》的8.3节或社长的最新版Web服务器项目详解 - 05 http连接处理（中）