1 统一资源定位符 URL

统一资源定位符（Uniform Resource Locator，URL）

格式：<协议>://<主机>:<端口>/<路径>（端口和路径有时可省略，URL 不区分大小写）

例如：

省略文件名的情况：

  • http://www.abc.com/dir/：服务器会预先设置好文件名省略时要访问的默认文件。该 URL 实质是访问了/dir/index.html或/dir/default.htm
  • http://www.abc.com/：该 URL 实质是访问了/index.html或/default.htm
  • http://www.abc.com：该 URL 实质也是访问了/index.html或/default.htm

2 万维网文档

万维网文档分为三种：

  • 超文本标记语言（HyperText Markup Language，HTML）：使用多种“标签”来描述网页的结构和内容
  • 层叠样式表（Cascading Style Sheets，CSS）：从审美的角度来描述网页的样式
  • JavaScript：一种脚本语言，控制网页的行为

2.1 超文本标记语言 HTML

demo.html：

1
2
3
4
5
6
7
8
9
10
<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title>最简单的网页</title>
    </head>
    <body>
        <p>Hello world</p >
    </body>
</html>

2.2 层叠样式表 CSS

demo.html：

1
2
3
4
5
6
7
8
9
10
11
<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title>最简单的网页</title>
        <link rel="stylesheet" type="text/css" href="demo.css" />
    </head>
    <body>
        <p class="pink">Hello world</p>
    </body>
</html>

demo.css：

1
2
3
4
.pink {
    color: deeppink;
    font-size: 36px;
}

2.3 JavaScript

demo.html：

1
2
3
4
5
6
7
8
9
10
11
12
13
<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title>最简单的网页</title>
        <link rel="stylesheet" type="text/css" href="demo.css" />
        <script type="text/javascript" src="demo.js"></script>
    </head>
    <body>
        <p class="pink" id="myId">Hello world</p >
        <button type="button" onclick="myFunction()">点个赞吧</button>
    </body>
</html>

demo.js：

1
2
3
function myFunction() {
    document.getElementById("myId").innerHTML="谢谢你的赞”;
}

3 超文本传输协议 HTTP

超文本传输协议（HyperText Transfer Protocol，HTTP）：定义浏览器（即万维网客户进程）怎样向万维网服务器请求万维网文档，以及万维网服务器怎样把万维网文档传送给浏览器。它基于 TCP 协议，端口号为 80。

3.1 HTTP 报文格式

HTTP 是面向文本的，其报文中的每一个字段都是一些 ASCII 码串，并且每个字段的长度都是不确定的。

统一资源定位符（Uniform Resource Identifier）：一个存放网页数据的文件名或一个 CGI 程序的文件名，例如/dir1/file1.html和/dir1/program1.cgi。

3.1.1 HTTP 请求报文

  • 请求报文格式：
1
2
3
4
5
6
<方法><空格><URI><空格><HTTP版本>   // 请求行：可大致了解请求的内容
<首部字段名>:<字段值>               // 消息头：请求的附加消息
...
...
<首部字段名>:<字段值>
<消息主体>                          // 消息体：包含客户端向服务端发送的数据，请求报文不一定存在该字段

【注】每条请求消息只能写 1 个 URI，所以每次只能获取 1 个文件，如果需要多次获取文件，必须对每个文件单独发送 1 条请求。比如 1 个网页包含 3 张图片，那么获取网页加上获取图片，一共需要向服务器发送 4 次请求。

  • HTTP 的主要方法：
方法 含义
GET 请求 URI 指定的信息。如果 URI 指定的是文件，则返回文件的内容；如果指定的是 CGI 程序，则返回该程序输出的数据
POST 从客户端向服务器发送数据。一般用于发送表单中填写数据等情况
HEAD 只返回 HTTP 的消息头，并不返回数据内容。用于获取文件最后更新时间等属性信息
CONNECT 用于代理服务器

3.1.2 HTTP 响应报文

  • 响应报文格式：
1
2
3
4
5
6
<HTTP版本><空格><状态码><空格><响应短语>    // 状态行
<首部字段名>:<字段值>                       // 消息头
...
...
<首部字段名>:<字段值>
<消息主体>                                  // 消息体：包含服务端向客户端发送的数据，响应报文不一定存在该字段
  • HTTP 状态码：
状态码（共 33 种） 含义
1xx 告知请求的处理进度和情况
2xx 表示成功，如接受或表示知道了
3xx 重定向，表示需要进一步操作
4xx 客户端错误，如请求中有错误的语法
5xx 服务器错误，如服务器失效无法完成请求

3.2 HTTP 的工作过程

3.2.1 HTTP/1.0

HTTP/1.0 采用非持续连接方式。在该方式下，每次浏览器要请求一个文件都要与服务器建立 TCP 连接，当收到响应后就立即关闭连接。

  • 每请求一个文档就要有两倍的 RTT 的开销。若一个网页上有很多引用对象（例如图片等），那么请求每一个对象都需要花费 2RTT 的时间。
  • 为了减小时延，浏览器通常会建立多个并行的 TCP 连接同时请求多个对象。但是，这会大量占用万维网服务器的资源，特别是万维网服务器往往要同时服务于大量客户的请求，这会使其负担很重。

3.2.2 HTTP/1.1

HTTP/1.1 采用持续连接方式。在该方式下，万维网服务器在发送响应后仍然保持这条连接，使同一个客户（浏览器）和该服务器可以继续在这条连接上传送后续的 HTTP 请求报文和响应报文。这并不局限于传送同一个页面上引用的对象，而是只要这些文档都在同一个服务器上就行。

持续连接方式还分为两种：

  • 非流水线（即上图）：客户端在收到前一个响应后才能发出下一个请求。
  • 流水线：HTTP/1.1 的默认方式。客户端可以连续发送多个请求而不必等待响应。

以下例子说明持续连接方式的工作过程（图片源自《网络是怎样连接的》）。

在双方进行 TCP 连接后，进行如下通讯过程：

  • 浏览器向 Web 服务器发送请求报文，用于获取 /sample.htm 文件：
1
2
3
4
5
6
7
GET /sample1.htm HTTP/1.1   // 表示向服务器发送的请求内容的请求行
Accept: */*
Accept-Language: zh
Accept-Encoding: gzip, deflate
User-Agent: Mozilla/4.0 (compatible;【右侧省略】
Host: www.lab.glasscom.com
Connection: Keep-Alive      // 持续连接方式
  • 服务器将 /sample.htm 的内容返回给客户端，使用响应报文：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
HTTP/1.1 200 OK         // 状态行，200表示请求成功完成
Date: Wed, 21 Feb 2007 09:19:14 GMT
Server: Apache          // 服务程序类型
Last-Modified: Mon, 19 Feb 2007 12:24:51 GMT
ETag: "5a9da-279-3c726b61"
Accept-Ranges: bytes
Content-Length: 632     // 数据长度
Connection: close       // 连接关闭
Content-Type: text/html     // 以MIME规格表示的数据格式。text/html表示HTML文档。如果是JPEG格式的图片，这里应该是image/jpeg

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<title>网络探索之旅</title>
</head>

<body>
<h1 align="center">网络探索之旅</h1>
<img border="1" src="picture.jpg" align="right" width="200" height="150">

这张网页解释了WWW的工作原理。网页中的文本数据和其中嵌入的图片数据是分别
保存在不同文件中的，它们合在一起就组成了一张网页。由于读取文件的操作是对各
个文件分别执行的，因此文本和图片是相互独立的文件，这就意味着读取它们的操作
也是相互独立执行的。

</body>
</html>
  • 浏览器向 Web 服务器发送请求报文，用于获取 /picture.jpg 文件：
1
2
3
4
5
6
7
8
GET /picture.jpg HTTP/1.1
Accept: */*
Referer: http://www.lab.glasscom.com/sample1.htm
Accept-Language: zh
Accept-Encoding: gzip, deflate
User-Agent: Mozilla/4.0 (compatible;【右侧省略】
Host: www.lab.glasscom.com
Connection: Keep-Alive      // 持续连接方式
  • 服务器继续将 /picture.jpg 的内容返回给客户端，使用响应报文：
1
2
3
4
5
6
7
8
9
10
11
HTTP/1.1 200 OK
Date: Wed, 21 Feb 2007 09:19:14 GMT
Server: Apache
Last-Modified: Mon, 19 Feb 2007 13:50:32 GMT
ETag: "5a9d1-1913-3aefa236"
Accept-Ranges: bytes
Content-Length: 6419
Connection: close   // 连接关闭
Content-Type: image/jpeg

【下面就是图片数据，因为这些数据都是二进制的，所以我们在此省略】

3.2.3 相关例题

【例 1】假设 HTTP1.1 协议以持续的非流水线方式工作，一次请求-响应的时间为 RTT，rfc.html 页面引用了 2 个 JPEG 小图像，则浏览器从开始建立 TCP 连接到收到全部内容为止，需要（4）个 RTT。

【例 2】假设主机中的浏览器使用 HTTP/1.1 协议以持续的非流水线方式工作，向 Web 服务器请求包含有 3 个 JPEG 小图像的 demo.html 页面，一次请求-响应时间为 RTT，则从发起第一个 Web 请求开始到收到全部内容为止，经过 RTT 的数量为（4）。

4 Cookie

  • 早期的万维网应用非常简单，仅仅是用户查看存放在不同服务器上的各种静态的文档。因此 HTTP 被设计为一种无状态的协议。这样可以简化服务器的设计。
  • Cookie 提供了一种机制使得万维网服务器能够“记住”用户，而无需用户主动提供用户标识信息。也就是说，Cookie 是一种对无状态的 HTTP 进行状态化的技术。
  • Cookie 的工作原理如下：