HTTP(8)：报文

長夜難明
245 阅读7分钟

报文结构

你也许对 TCP/UDP 的报文格式有所了解，拿 TCP 举例，它在实际要传输的数据前附加了一个 20 字节的头部数据，存储 TCP 协议必须的额外信息。

有了这个附加的 TCP 头，数据包才能够正确传输，到了目的地后把头部去掉，就可以拿到真正的数据。 image.png

HTTP 协议与 TCP/UDP 类似，同样需要在实际传输的数据前附加头数据，不过不同的是，它是一个纯文本协议，所以头数据都是 ASCII 码的文本。

HTTP 协议的请求报文和响应报文的结构基本相同，由三大部分组成：

  1. 起始行：描述请求或响应的基本信息；
  2. 头部字段集合：使用 key-value 形式详细地说明报文；
  3. 消息正文：实际传输的数据，它不一定是纯文本，可以是图片、视频等二进制数据。

前两部分起始行和头部字段经常又合称为请求头或响应头，消息正文又称为body。

HTTP 协议规定报文必须有 header，但可以没有 body，而且在 header 之后必须要有一个“空行”，也就是“CRLF”，十六进制的“0D0A”。

所以，一个完整的 HTTP 报文就像是下图的这个样子，注意在 header 和 body 之间有一个“空行”。 image.png

看一下之前用 Wireshark 抓的包吧。

image.png

浏览器发出的请求报文里，第一行GET / HTTP/1.1就是请求行，而后面的Host Connection等等都属于 header，报文的最后是一个空白行结束，没有 body。

请求行

请求行简要地描述了客户端想要如何操作服务器端的资源。

请求行由三部分构成：

  1. 请求方法：是一个动词，如 GET/POST，表示对资源的操作；
  2. 请求目标：通常是一个 URI，标记了请求方法要操作的资源；
  3. 版本号：表示报文使用的 HTTP 协议版本。

这三个部分通常使用空格（space）来分隔，最后要用 CRLF 换行表示结束。

image.png

状态行

再看响应报文里的起始行，在这里它不叫响应行，而是叫状态行，意思是服务器响应的状态。

比起请求行来说，状态行要简单一些，同样也是由三部分构成：

  1. 版本号：表示报文使用的 HTTP 协议版本；
  2. 状态码：一个三位数，用代码的形式表示处理的结果，比如 200 是成功，500 是服务器错误；
  3. 原因：作为数字状态码补充，是更详细的解释文字，帮助人理解原因。

image.png

头部字段

请求行或状态行再加上头部字段集合就构成了 HTTP 报文里完整的请求头或响应头

image.png

请求头和响应头的结构是基本一样的，唯一的区别是起始行。

头部字段是键值的形式，key 和 value 之间用:分隔，最后用 CRLF 换行表示字段结束。比如在Host: 127.0.0.1这一行里 key 就是Host，value 就是127.0.0.1。

HTTP 头字段非常灵活，不仅可以使用标准里的 Host、Connection 等已有头，也可以任意添加自定义头，这就给 HTTP 协议带来了无限的扩展可能。

不过使用头字段需要注意下面几点：

  1. 字段名不区分大小写，例如“Host”也可以写成“host”，但首字母大写的可读性更好；
  2. 字段名里不允许出现空格，可以使用连字符“-”，但不能使用下划线“_”。例如，“test-name”是合法的字段名，而“test name”“test_name”是不正确的字段名；
  3. 字段名后面必须紧接着:，不能有空格，而“:”后的字段值前可以有多个空格；
  4. 字段的顺序是没有意义的；
  5. 字段原则上不能重复，除非这个字段本身的语义允许，例如 Set-Cookie。

常用头字段

HTTP 协议规定了非常多的头部字段，实现各种各样的功能，但基本上可以分为四大类：

  1. 通用字段：在请求头和响应头里都可以出现；
  2. 请求字段：仅能出现在请求头里，进一步说明请求信息或者额外的附加条件；
  3. 响应字段：仅能出现在响应头里，补充说明响应报文的信息；
  4. 实体字段：它实际上属于通用字段，但专门描述 body 的额外信息。

Host字段，属于请求字段，只能出现在请求头里，也是唯一一个 HTTP/1.1 规范里要求必须出现的字段，也就是说，如果请求头里没有 Host，那这就是一个错误的报文。

Host 字段告诉服务器这个请求应该由哪个主机来处理，当一台计算机上托管了多个虚拟主机的时候，服务器端就需要用 Host 字段来选择，有点像是一个简单的“路由重定向”。

例如我们的试验环境，在 127.0.0.1 上有三个虚拟主机：www.chrono.com www.metroid.net和origin.io。那么当使用域名的方式访问时，就必须要用 Host 字段来区分这三个 IP 相同但域名不同的网站，否则服务器就会找不到合适的虚拟主机，无法处理。

User-Agent是请求字段，只出现在请求头里。它使用一个字符串来描述发起 HTTP 请求的客户端，服务器可以依据它来返回最合适此浏览器显示的页面。

但由于历史的原因，User-Agent 非常混乱，每个浏览器都自称是“Mozilla”“Chrome”“Safari”，企图使用这个字段来互相“伪装”，导致 User-Agent 变得越来越长，最终变得毫无意义。

Date字段是一个通用字段，但通常出现在响应头里，表示报文创建的时间，客户端可以使用这个时间再搭配其他字段决定缓存策略。

Server字段是响应字段，只能出现在响应头里。它告诉客户端当前正在提供 Web 服务的软件名称和版本号，例如在我们的实验环境里它就是“Server: openresty/1.15.8.1”，即使用的是 OpenResty 1.15.8.1。

Server 字段会把服务器的一部分信息暴露给外界，如果这个版本恰好存在 bug，那么黑客就有可能利用 bug 攻陷服务器。所以，有的网站响应头里要么没有这个字段，要么就给出一个完全无关的描述信息。

比如 GitHub，它的 Server 字段里就看不出是使用了 Apache 还是 Nginx，只是显示为“GitHub.com”。

image.png

实体字段里要说的一个是Content-Length，它表示报文里 body 的长度。服务器看到这个字段，就知道了后续有多少数据，可以直接接收。如果没有这个字段，那么 body 就是不定长的，需要使用 chunked 方式分段传输。

小结

  1. HTTP 报文结构由起始行 + 头部 + 空行 + 实体组成，简单地说就是header+body；
  2. HTTP 报文可以没有 body，但必须要有 header，header 后必须要有空行
  3. 请求头由请求行 + 头部字段构成，响应头由状态行 + 头部字段构成；
  4. 请求行有三部分：请求方法，请求目标和版本号；
  5. 状态行也有三部分：版本号，状态码和原因字符串；
  6. 头部字段是 key-value 的形式，用:分隔，不区分大小写，顺序任意，除了规定的标准头，也可以任意添加自定义字段，实现功能扩展；
  7. HTTP/1.1 里唯一要求必须提供的头字段是 Host，它必须出现在请求头里，标记虚拟主机名。
avatar
文章
阅读
粉丝