Web开发基础：HTTP概述

HTTP（HyperText Transfer Protocol，超文本传输协议）是一种用于分布式、协作式和超媒体信息系统的应用层协议。它是互联网数据通信的基础。

HTTP定义了客户端和服务器之间如何交换数据，如何表示请求和响应，如何处理错误等。

HTTP的主要特点

支持客户/服务器模式。
简单快速：客户向服务器请求服务时，只需传送请求方法和路径。请求方法常用的有GET、HEAD、POST。每种方法规定了客户与服务器联系的类型不同。由于HTTP协议简单，使得HTTP服务器的程序规模小，因而通信速度很快。
灵活：HTTP允许传输任意类型的数据对象。正在传输的类型由Content-Type加以标记。
无连接：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：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。

HTTP协议在网络中传送数据主要有两个版本，即HTTP1.1和HTTP2.0，其中HTTP2.0是最新的版本，它在性能上有了很大的提升，如支持服务器推送、头信息压缩等。

HTTP是互联网的多媒体信使

上面说了HTTP协议定义了客户端和服务器之间如何交换数据的规则。当在浏览器中输入一个URL并按下回车键时，浏览器（作为客户端）会向服务器发送一个HTTP请求。服务器接收到请求后，会返回一个HTTP响应，其中包含请求的网页内容，这些内容可能包括文本、图像、视频、音频等多种媒体类型的数据。

因此，HTTP是互联网的多媒体信使，它使得我们可以在网上浏览网页、观看视频、听音乐、下载文件等。

HTTP的客户端和服务端

Web内容是存在Web服务器的。Web服务器所使用的是HTTP协议，因此经常会被称为HTTP服务器。服务器存储了互联网中的数据，如果HTTP客户端发出请求的话，它们会提供数据。HTTP客户端和HTTP服务器共同构成互联网的基本组件。

最常见的HTTP客户端是Web浏览器。比如谷歌浏览器或者微软的Internet Explorer。

Web资源

Web服务器是Web资源的宿主。Web资源是Web内容的源头。最简单的Web资源是Web文件系统中的静态文件。这些文件可以是文本文件、HTML文件、Word文件、JPEG文件等所有其它能想到的文件。

资源不一定是静态的，资源还可以是根据需要生成内容的软件程序。

资源的媒体类型

互联网有数以千计的不同的数据类型或资源，HTTP仔细的给每种要通过Web传输的对象都打上了名为MIME类型的数据格式标签。

MIME类型是一种文本标记，标识一种主要的对象类型和一个特定的子类型，中间由一条斜杠（/）来分割。

text/html：HTML文件
text/plain：纯文本文件
text/css：CSS样式表文件
application/javascript：JavaScript文件
image/jpeg：JPEG图像文件
image/png：PNG图像文件
image/gif：GIF图像文件
application/pdf：PDF文件
application/msword：Microsoft Word文件
application/vnd.ms-excel：Microsoft Excel文件
application/vnd.ms-powerpoint：Microsoft PowerPoint文件
audio/mpeg：MPEG音频文件
audio/x-wav：WAV音频文件
video/mp4：MP4视频文件
application/json：JSON数据格式
application/xml：XML数据格式

大多数浏览器都可以处理百种常见的对象类型：图片文件、HTML文件、音频文件、其它类型。

URI

URI，全称为统一资源标识符（Uniform Resource Identifier），是用于标识互联网上资源的一个字符串。这个字符串的格式由一系列的规定和标准定义，使得它可以唯一地标识网络上的资源。

URI的常见形式包括URL（统一资源定位符）和URN（统一资源名称）。URL提供了找到某个资源的位置和访问该资源的方法，例如 "www.example.com"。

URN则是资源的唯一名称，在资源移动后仍然有效，但在实际中使用较少。

URI的一般格式如下：

scheme:[//authority]path[?query][#fragment]

其中：

scheme：定义了该URI的类型或协议，例如http、ftp、mailto等。
authority：通常包含了提供该资源的服务器的信息，如服务器的名称和端口号。
path：资源在服务器上的具体位置。
query：发送给服务器的额外信息，通常以键值对的形式出现。
fragment：指向资源内部的一部分，例如HTML文档中的一个特定段落。

例如，在URI "www.example.com/path/to/res…

"http"是scheme
"www.example.com"是authority
"/path/to/resource"是path
"query=value"是query
"fragment"是fragment

URL

URL（Uniform Resource Locator，统一资源定位符）是互联网上用来标识某一处资源的地址。它是互联网标准的一部分，定义在RFC 1738中。

一个URL的结构通常包括以下几个部分：

协议（或称为服务类型）：例如http、https、ftp等。
主机名：例如www.google.com。
端口号：例如80（http的默认端口），443（https的默认端口）。如果URL中没有指定端口号，那么就使用协议的默认端口。
路径：表示资源在服务器上的具体位置。例如/search。
查询字符串：以问号开始，用于传递给服务器的参数。例如?q=hello。
片段：以井号开始，表示网页中的一个位置。例如#section1。

以下是一个URL的示例：

https://www.google.com/search?q=hello#section1

在这个URL中，协议是https，主机名是www.google.com，路径是/search，查询字符串是?q=hello，片段是#section1。

URL是互联网上定位和获取资源的主要方式。

URL和URI区别

URI（Uniform Resource Identifier）和URL（Uniform Resource Locator）都是用来标识资源的字符串。它们之间的关系和区别可以通过以下几点来理解：

所有的URL都是URI，但并非所有的URI都是URL。这是因为URI还包括一个子类叫做URN（Uniform Resource Name），它用于为资源提供唯一的名称，而不需要指明如何定位这个资源。
URI是一个更为通用的概念，它可以用来标识任何东西，不仅仅是网络上的资源。例如，mailto:john@example.com 是一个URI，它标识了一个电子邮件地址，但它不是URL，因为它没有指明如何通过网络获取这个资源。

总的来说，URL和URI都是用来标识资源的，URL提供了获取资源的位置信息，URI则是一个更为广泛的概念，包括URL和URN。在实际使用中，由于URN的使用并不广泛，所以URL和URI常常被混用。

HTTP事务

HTTP事务是指客户端和服务器之间的一次完整的请求和响应过程。

在一个典型的HTTP事务中，客户端（通常是浏览器）首先会向服务器发送一个HTTP请求。这个请求包含了请求方法（如GET、POST等）、请求的URI（统一资源标识符，即URL）、HTTP版本，以及可能包含的请求头部和请求体。

服务器收到请求后，会解析请求，然后根据请求的内容来决定如何响应。服务器会返回一个HTTP响应，这个响应包含了HTTP版本、状态码（如200表示成功，404表示未找到等）、响应头部和响应体。

以下是一个简单的HTTP事务

客户端发送请求

GET /index.html HTTP/1.1
Host: www.example.com

服务器返回响应

HTTP/1.1 200 OK
Content-Type: text/html

<html>
<body>
Hello, world!
</body>
</html>

例子中客户端发送了一个GET请求，请求获取www.example.com的首页。服务器返回了一个200 OK的响应，响应体是一个简单的HTML文档。

请注意，HTTP事务是无状态的，这意味着服务器不会在两个事务之间保留任何信息。如果一个事务需要知道前一个事务的结果，那么这个信息需要以某种方式（如Cookie或者Session）在事务之间进行传递。

HTTP方法

HTTP协议定义了多种请求方法，用于表示对指定资源的不同操作。常见的HTTP方法包括

GET：请求获取指定资源。GET请求应该只用于获取数据，而不应该产生任何副作用。
POST：向指定资源提交数据，通常会导致服务器上的状态变化或副作用。
PUT：用请求的主体部分来更新指定的资源。
DELETE：请求删除指定的资源。
HEAD：类似于GET，但服务器在响应中只返回头部，不返回实体的主体部分。
OPTIONS：返回服务器针对特定资源所支持的HTTP请求方法。
PATCH：对资源进行部分修改。
CONNECT：用于建立网络隧道。
TRACE：进行消息回路测试。

在跨域请求的上下文中，HTTP请求可以被分为简单请求和复杂请求（也被称为预检请求）。

简单请求满足以下条件：

使用GET、HEAD或POST方法。
除了被用户代理自动设置的头部（例如Connection，User-Agent，或者Fetch规范定义的其他头部），只能设置以下头部：Accept，Accept-Language，Content-Language，Content-Type（需要注意额外的限制）。
Content-Type的值只能是以下三者之一：application/x-www-form-urlencoded，multipart/form-data，text/plain。
请求中的任何XMLHttpRequestUpload 对象均没有注册任何事件监听器；也就是说，请求中没有使用 ReadableStream 对象。

不满足以上条件的请求被视为复杂请求。复杂请求会触发预检请求（pre-flight request），即在实际请求之前，浏览器会先发送一个OPTIONS请求，询问服务器对于实际请求的方法和头部有哪些限制。

HTTP状态码

HTTP状态码是由三位数字和一个可选的原因短语组成，用于表示HTTP请求的响应状态。根据第一个数字，HTTP状态码可以分为五类

1xx（信息响应）：表示请求已被接收，需要继续处理。这类状态码是临时响应，只包含状态行和某些可选的响应头信息，并以空行结束。例如，100（Continue）表示客户端应继续其请求。
2xx（成功）：表示请求已成功被服务器接收、理解、并接受。例如，200（OK）表示请求成功。
3xx（重定向）：表示需要进一步操作以完成请求。通常，这些状态码用来重定向或者有缓存的情况。例如，301（Moved Permanently）表示请求的资源已被永久移动到新位置。
4xx（客户端错误）：表示请求包含语法错误或无法完成请求。例如，404（Not Found）表示请求的资源在服务器上不存在。
5xx（服务器错误）：表示服务器在处理请求的过程中发生了错误。例如，500（Internal Server Error）表示服务器遇到错误，无法完成请求。

这些状态码的目的是让客户端知道其请求的处理状态，以便可以采取适当的操作。

HTTP报文

HTTP报文是在HTTP协议中用于交换数据的基本单位，包括请求报文和响应报文。每个HTTP报文都包含三个部分：起始行、头部和主体。

起始行：对于请求报文，起始行包含HTTP方法（如GET、POST等）、请求的URI和HTTP版本。对于响应报文，起始行包含HTTP版本、状态码和状态文本。
头部：头部由一系列的头部字段组成，每个字段由一个名字和一个值组成，用冒号分隔。头部字段用于传递关于报文的元数据，如内容类型、内容长度、认证信息等。
主体：主体包含了实际的数据，如HTML文档、JSON数据等。主体是可选的，一些请求和响应（如GET请求和204 No Content响应）可能没有主体。

一个HTTP请求报文示例

GET /index.html HTTP/1.1
Host: www.example.com
User-Agent: Mozilla/5.0

例子中，起始行是GET /index.html HTTP/1.1，表示这是一个GET请求，请求的URI是/index.html，使用的HTTP版本是1.1。头部包含了两个字段：Host和User-Agent。这个请求没有主体。

一个HTTP响应报文示例

HTTP/1.1 200 OK
Content-Type: text/html
Content-Length: 137

<html>
<body>
Hello, world!
</body>
</html>

例子中，起始行是HTTP/1.1 200 OK，表示这是一个HTTP/1.1的响应，状态码是200，状态文本是OK。头部包含了两个字段：Content-Type和Content-Length。主体是一个简单的HTML文档。

HTTP连接

HTTP（超文本传输协议）通常通过TCP/IP协议进行连接。当在浏览器中输入一个URL并按下回车键时，浏览器会向DNS服务器请求该URL的IP地址，然后浏览器会通过TCP/IP协议向该IP地址发送一个HTTP请求。服务器接收到请求后，会处理请求并返回一个HTTP响应，响应中包含请求的网页内容。这个过程就是HTTP通过TCP/IP协议进行连接的过程。

TCP/IP

TCP/IP是一种计算机网络通信协议，是Internet最基本的协议，也是网络中最普遍使用的协议。

TCP/IP实际上是一组协议的集合，其中TCP（Transmission Control Protocol，传输控制协议）和IP（Internet Protocol，网际协议）是最主要的两个协议。

IP协议负责将数据包发送到正确的地址。每个连接到网络的设备都有一个唯一的IP地址，这个地址就像邮寄地址一样，使得数据能够被送到正确的设备。

TCP协议则负责在数据传输过程中保证数据的完整性。它会将数据分割成多个小的数据包进行发送，并在接收端将这些数据包重新组装成完整的数据。如果在传输过程中有数据包丢失，TCP协议会要求重新发送丢失的数据包，从而确保数据的完整性。

因此，TCP/IP协议是互联网上数据传输的基础，它使得我们可以在网络上浏览网页、发送电子邮件、下载文件等。

IP地址和端口号

IP地址和端口号在HTTP通过TCP/IP连接中发挥着非常重要的作用。

IP地址：IP地址是互联网上每个设备的唯一标识，就像我们的住址一样。当在浏览器中输入一个URL并按下回车键时，浏览器会向DNS服务器请求该URL的IP地址，然后浏览器会通过TCP/IP协议向该IP地址发送一个HTTP请求。
端口号：端口号是用来区分一台设备上的不同服务的。一台服务器上可能同时运行着多个服务，比如HTTP服务、FTP服务、数据库服务等，这些服务不能共享一个端口，所以需要端口号来区分。HTTP服务通常使用80端口，HTTPS服务通常使用443端口。

在HTTP请求中，浏览器会向服务器的特定IP地址和端口号发送请求，服务器收到请求后，会根据端口号将请求转发到对应的服务处理，然后返回响应。

HTTP的Web结构组件

这里主要说下常见的Web结构组件：代理、缓存、网关、隧道和Agtent代理。

HTTP代理：HTTP代理是位于客户端和服务器之间的中间实体，客户端的请求会先发送到代理服务器，由代理服务器再转发给目标服务器，并将服务器的响应返回给客户端。代理可以用于多种目的，如提供缓存服务、过滤内容、负载均衡、隐私保护等。比如nginx就是HTTP代理的一种。
HTTP缓存：HTTP缓存是一种机制，可以存储HTTP响应的副本，并在后续的请求中重用这些副本，以减少网络流量和减少服务器的负载。HTTP协议定义了多种缓存控制机制，如Expires头、Cache-Control头、ETag头、Last-Modified头等。
HTTP网关：HTTP网关类似于代理，但它提供了协议转换功能。例如，一个HTTP到SMTP的网关可以接收HTTP请求，并将其转换为SMTP请求发送给SMTP服务器。网关通常用于连接不同的网络或协议。
HTTP隧道：HTTP隧道是一种封装技术，可以在HTTP连接中传输非HTTP流量。通过隧道，客户端可以建立一个虚拟的“直接连接”到目标服务器，而无需理解中间网络的细节。隧道常用于处理安全连接（如SSL）或者绕过防火墙。
Agent代理：在HTTP中，"Agent"通常指的是用户代理（User Agent），它是发起HTTP请求的客户端程序，如浏览器、爬虫等。用户代理会在每个HTTP请求的User-Agent头中发送一些关于自己的信息，如名称、版本、操作系统等。

协议版本

HTTP协议有以下几个主要的版本

HTTP/0.9：这是HTTP协议的最早版本，于1991年发布。它非常简单，只支持GET方法，且没有头部、状态码等概念。
HTTP/1.0：这个版本于1996年发布，相比HTTP/0.9有了很大的改进。它引入了新的请求方法（如POST和HEAD），支持响应状态码，增加了HTTP头部的概念，允许传输除HTML以外的其他文件类型。
HTTP/1.1：这个版本于1997年发布，是目前最广泛使用的版本。它引入了持久连接（也称为连接复用），允许在一个TCP连接中发送多个请求和响应，从而提高了传输效率。它还引入了其他一些重要的特性，如分块传输编码（允许发送方在发送全部数据之前开始传输）、内容协商（允许客户端和服务器协商选择最合适的内容格式）等。
HTTP/2：这个版本于2015年发布，目标是提高性能。它引入了多路复用（允许在一个TCP连接中同时传输多个请求和响应）、服务器推送（允许服务器主动向客户端发送数据）、头部压缩（减少了头部的大小）等特性。
HTTP/3：这个版本目前还在开发中，计划使用QUIC协议替代TCP，以解决HTTP/2中的一些问题，如队头阻塞（当一个请求的处理被阻塞时，会影响同一个连接中的其他请求）。

每个版本的HTTP协议都在前一个版本的基础上进行了改进和优化，以适应互联网的发展和变化。

总结

对于Web开发来说，HTTP就是基础设施，因此学习HTTP是非常必要的。本文重点整理了HTTP的常用知识点，包括HTTP的定义、作用、特点和协议版本变化。具体介绍了HTTP的资源、事务、报文、连接和常见结构组件。

在日常的Web开发中，很多场景都涉及到了HTTP知识点

媒体类型方面，下载资源时需要修改下载资源的MIME类型
使用浏览器访问页面一直都在用URL
HTTP事务是无状态的，所以如果一个事务需要知道前一个事务的结果，那么这个信息需要以某种方式（如Cookie或者Session）在事务之间进行传递
日常跨域请求就是HTTP的复杂请求
每个Web程序员都需要处理好错误，返回给前端的状态码，前端程序员根据状态码处理错误
HTTP报文会涉及到缓存等
前端和后端联调的媒介是IP地址或者IP地址加端口号
协议版本HTTP2.0引入的多路复用（允许在一个TCP连接中同时传输多个请求和响应）、服务器推送（允许服务器主动向客户端发送数据）、头部压缩（减少了头部的大小）等特性，可以明显改善浏览器网页性能
代理、缓存、网关、隧道和Agtent代理，在日常开发中都或多或少涉及过

本文完。

参考书籍

《HTTP权威指南》