Linux应用协议HTTP 入门

Linux 应用层协议 HTTP 入门从 URL、报文格式到手写最小服务器摘要HTTP 是浏览器和服务器之间最常见的应用层协议。理解 HTTP不能只记GET、POST、404这些名词更要看懂请求和响应在网络中到底长什么样。本文从 URL 编码、HTTP 请求/响应格式、常见方法、状态码、Header 入手最后用 C 写一个最小 HTTP 服务器帮助你把协议格式和 Socket 编程串起来。前言前面理解了 TCP Socket 之后我们已经知道TCP 负责把字节可靠地传到对端但业务数据怎么组织、怎么解释需要应用层自己约定。HTTP 就是一套已经被广泛使用的应用层约定。浏览器访问网站时会向服务器发送 HTTP 请求服务器处理请求后再返回 HTTP 响应。一个网页、一张图片、一次表单提交、一次接口调用背后基本都离不开这种请求-响应模型。很多初学者第一次接触 HTTP 时会把它理解成“浏览器地址栏里的网址”。这只说对了一部分。URL 是 HTTP 请求中的重要信息但 HTTP 还包含方法、版本、请求头、响应状态码、响应头、正文等内容。真正写网络服务时这些字段都会直接影响程序行为。一、HTTP 解决了什么问题HTTP 全称是 HyperText Transfer Protocol即超文本传输协议。它定义了客户端和服务器之间如何交换数据。一次典型访问可以抽象成下面的流程HTTP 请求HTTP 响应浏览器/客户端Web 服务器HTTP 有两个非常重要的特点特点说明请求-响应模型客户端主动发起请求服务器返回响应无状态服务器不会天然记住两次请求来自同一个业务上下文“无状态”不表示服务器不能保存用户状态而是 HTTP 协议本身不自动保存状态。登录态、购物车、会话保持等能力通常要借助Cookie、Session、Token 等机制实现。还要注意HTTP 建立在传输层之上。常见的 HTTP/1.0、HTTP/1.1、HTTP/2 都运行在 TCP 之上而 HTTP/3 使用 QUICQUIC 基于 UDP 构建。二、认识 URL浏览器地址栏不只是字符串平时说的“网址”更准确地说是 URL。它描述了客户端要访问哪个资源。一个常见 URL 长这样http://www.example.com:8080/index.html?namezhangsanage20可以拆成几个部分部分示例含义schemehttp使用的协议hostwww.example.com主机名port8080端口号省略时 HTTP 默认习惯使用 80path/index.html要访问的资源路径query stringnamezhangsanage20查询参数urlencode 和 urldecodeURL 中有些字符有特殊含义例如/、?、:、、。如果参数值里本身就包含这些字符就需要进行转义。典型规则是把字符转成十六进制形式再按%XY的格式表示。例如 - %2Burlencode是把特殊字符转义成 URL 安全形式urldecode是反向还原。写服务端程序时如果要解析表单参数或查询字符串这一步经常绕不开。三、HTTP 请求报文格式HTTP 请求由三部分组成请求行、Header、Body。方法 URL 版本\r\n Header-Key: Header-Value\r\n Header-Key: Header-Value\r\n \r\n Body对应结构如下部分示例说明请求行GET /index.html HTTP/1.1描述请求方法、资源路径、协议版本HeaderHost: www.example.com描述请求属性空行\r\n标记 Header 结束Body表单或 JSON 数据可为空一个最简单的 GET 请求可能是GET /index.html HTTP/1.1 Host: www.example.com User-Agent: curl/8.0POST 请求通常带有请求体POST /submit HTTP/1.1 Host: www.example.com Content-Type: application/x-www-form-urlencoded Content-Length: 17 nametomage18这里需要特别注意Content-Length。如果请求带 Body接收方需要通过它判断正文长度否则就不知道应该读取多少字节。四、HTTP 响应报文格式HTTP 响应也分成三部分状态行、Header、Body。版本 状态码 状态码解释\r\n Header-Key: Header-Value\r\n Header-Key: Header-Value\r\n \r\n Body一个典型响应HTTP/1.1 200 OK Content-Type: text/html Content-Length: 20 h1Hello World/h1如果服务器返回的是 HTML 页面那么 HTML 内容就在 Body 中。浏览器拿到响应后会根据Content-Type判断如何解释正文根据Content-Length判断正文长度。五、常见 HTTP 方法HTTP 方法表示客户端希望服务器对资源执行什么操作。常见方法如下方法常见用途是否常带 BodyGET获取 URL 指定资源通常不带POST提交表单、上传业务数据常带PUT上传或更新资源常带HEAD只获取响应头不返回正文不带DELETE删除指定资源通常不带OPTIONS查询服务器支持哪些方法通常不带GET 和 POST 的区别GET更适合获取资源比如访问/index.html。参数通常放在 URL 的查询字符串中/search?keywordlinuxPOST更适合提交数据比如表单登录、提交 JSON。数据通常放在 Body 中POST /login HTTP/1.1 Content-Type: application/json Content-Length: 35 {username:tom,password:123}从执行过程看二者都能把数据传给服务器区别主要体现在语义、参数位置、缓存行为和使用习惯上。不要简单理解成“GET 安全POST 不安全”只要走明文 HTTP网络路径上的数据都可能被观察到安全传输需要 HTTPS。HEAD 的典型用途HEAD和GET很像但服务器只返回响应头不返回 Body。它常用来检查资源是否存在、文件大小、最后修改时间等信息。可以用curl观察curl--headhttp://www.example.com/六、状态码服务器用三位数字表达处理结果状态码位于响应状态行中例如HTTP/1.1 404 Not Found常见状态码可以按范围理解范围含义示例1xx信息提示100 Continue2xx成功200 OK、201 Created、204 No Content3xx重定向或缓存相关301、302、3044xx客户端请求有问题400、401、403、4045xx服务器处理失败500、502、503、504几个高频状态码状态码含义常见场景200 OK请求成功访问页面成功204 No Content成功但没有响应体删除操作成功301 Moved Permanently永久重定向网站换域名302 Found临时重定向登录成功跳转304 Not Modified资源未修改浏览器缓存命中403 Forbidden拒绝访问权限不足404 Not Found资源不存在路径写错500 Internal Server Error服务器内部错误程序崩溃或异常502 Bad Gateway网关拿不到有效响应代理或上游服务异常503 Service Unavailable服务暂时不可用维护或过载301/302 与 Location重定向状态码通常要配合Location响应头使用HTTP/1.1 302 Found Location: https://www.example.com/new-page浏览器看到Location后会继续访问新的地址。301表示资源永久移动302表示临时移动。实际开发中登录后跳转、旧链接迁移、新旧域名切换都可能用到重定向。七、常见 Header 字段Header 是 HTTP 报文中非常重要的元信息。很多行为不是由正文决定的而是由 Header 决定的。Header作用示例Host请求的主机名和端口Host: www.example.com:8080User-Agent客户端软件信息User-Agent: Mozilla/5.0Content-TypeBody 的媒体类型Content-Type: text/htmlContent-LengthBody 的字节长度Content-Length: 150Cookie客户端携带的少量状态信息Cookie: session_idabcReferer当前请求来源页面Referer: http://example.com/a.htmlLocation重定向目标地址Location: http://example.com/new.htmlServer服务器软件信息Server: nginx/1.18.0Cache-Control缓存控制Cache-Control: no-cacheConnection连接管理Connection: keep-aliveConnection: keep-alive 和 closeConnection用来管理连接状态Connection: keep-alive表示希望复用 TCP 连接后续请求可以继续在这个连接上发送。Connection: close表示本次请求/响应结束后关闭连接。HTTP/1.1 默认倾向于持久连接HTTP/1.0 默认更偏向短连接如果要复用连接需要显式声明Connection: keep-alive。八、手写一个最小 HTTP 服务器理解 HTTP 最直接的方式就是自己用 Socket 返回一段符合格式的响应。下面这个服务器只做一件事浏览器访问后返回h1hello world/h1。#includearpa/inet.h#includenetinet/in.h#includestdio.h#includestdlib.h#includestring.h#includesys/socket.h#includeunistd.hstaticvoidUsage(constchar*proc){printf(usage: %s [ip] [port]\n,proc);}intmain(intargc,char*argv[]){if(argc!3){Usage(argv[0]);return1;}intlisten_fdsocket(AF_INET,SOCK_STREAM,0);if(listen_fd0){perror(socket);return1;}intopt1;setsockopt(listen_fd,SOL_SOCKET,SO_REUSEADDR,opt,sizeof(opt));structsockaddr_inlocal;memset(local,0,sizeof(local));local.sin_familyAF_INET;local.sin_addr.s_addrinet_addr(argv[1]);local.sin_porthtons(atoi(argv[2]));if(bind(listen_fd,(structsockaddr*)local,sizeof(local))0){perror(bind);close(listen_fd);return1;}if(listen(listen_fd,10)0){perror(listen);close(listen_fd);return1;}for(;;){structsockaddr_inpeer;socklen_tlensizeof(peer);intclient_fdaccept(listen_fd,(structsockaddr*)peer,len);if(client_fd0){perror(accept);continue;}charrequest[10240]{0};ssize_tnread(client_fd,request,sizeof(request)-1);if(n0){printf([Request]\n%s\n,request);}constchar*bodyh1hello world/h1;charresponse[1024]{0};snprintf(response,sizeof(response),HTTP/1.1 200 OK\r\nContent-Type: text/html\r\nContent-Length: %lu\r\nConnection: close\r\n\r\n%s,strlen(body),body);write(client_fd,response,strlen(response));close(client_fd);}close(listen_fd);return0;}编译运行gcc mini_http_server.c-omini_http_server ./mini_http_server0.0.0.09090浏览器访问http://127.0.0.1:9090或者用curl查看完整响应curl-ihttp://127.0.0.1:9090/预期能看到类似输出HTTP/1.1 200 OK Content-Type: text/html Content-Length: 20 Connection: close h1hello world/h1这段代码的关键不在于 HTML而在于它手动拼出了一个合法的 HTTP 响应状态行 响应头 空行 响应正文只要响应格式符合约定浏览器就能识别并渲染 Body。注意如果浏览器访问时服务端打印出GET /favicon.ico HTTP/1.1这是浏览器自动请求网站图标不是程序异常。九、常见问题与易错点1. 忘记 Header 和 Body 之间的空行HTTP 报文中空行用来表示 Header 结束。没有空行浏览器可能无法正确判断正文从哪里开始。2. Content-Length 写错Content-Length应该是 Body 的字节数不包含响应行、Header 和空行。长度写错会导致浏览器读不全或等待更多数据。3. 把 URL 当作文件系统路径直接使用请求行里的/index.html是 URL path不应该不加检查地拼到本地路径上。真实服务器需要做根目录限制和路径合法性检查避免访问到不该暴露的文件。4. 混淆状态码和业务错误HTTP 状态码表达协议层面的处理结果。业务接口也可以在 JSON Body 中返回业务错误码。两者可以配合但不要混成一套。5. 认为端口必须是 80HTTP 默认常用 80 端口但服务完全可以运行在 8080、9090 等端口。浏览器访问非默认端口时需要在 URL 中写明端口号。6. 忽略大小写和换行规范Header 字段名通常不区分大小写但代码中最好保持标准写法。HTTP 报文行结束符标准形式是\r\n实际实验中有些客户端比较宽容但写服务端时建议按标准格式输出。十、HTTP 版本演进简述HTTP 的版本演进本质上是在解决性能、连接复用和传输效率问题。版本核心特点HTTP/0.9只支持简单 GET主要传输 HTMLHTTP/1.0引入 Header、状态码、POST、HEAD、缓存等能力HTTP/1.1默认持久连接支持 Host、管道化、分块传输HTTP/2二进制帧、多路复用、头部压缩、服务器推送HTTP/3基于 QUIC减少连接建立开销改善传输效率对于刚开始写网络程序的人来说最值得先掌握的是 HTTP/1.1 的文本报文格式。因为它可读性强用telnet、nc、curl都能直接观察对理解浏览器和服务器通信非常有帮助。总结HTTP 不是神秘的浏览器内部机制而是一套清晰的应用层文本协议。请求由请求行、Header、空行和 Body 组成响应由状态行、Header、空行和 Body 组成。方法表达客户端想做什么状态码表达服务器处理结果Header 描述额外属性Body 承载真正的数据内容。把这些格式理解透再结合 Socket 写一个最小服务器就能真正看明白浏览器访问网页时网络中传输的内容。后续学习 Web 服务器、网关、反向代理、RESTful API、Cookie/Session、HTTPS也都会更顺手。