URL格式解析

 一、URL格式

http:\\host[:port][abs_path][:parameters][?query]#fragment

例如：http://www.imailtone.com:80/WebApplication1/WebForm1.aspx?name=tom&;age=20#resume

http表示要通过HTTP协议来定位网络资源。

host表示合法的因特网主机域名或者IP地址。

port用于表示在传输层上交换信息的进程端口号，http协议默认端口号为80，当然采用不同的协议默认端口号不同。

abs_path指定请求资源的URI（统一资源定位符）。

parameters参数用于指定特殊参数的可选项。

?query可选，用于给动态网页(使用PHP/JSP等制作的网页)传递参数，可以有多个参数，用“&”符号隔开，每个参数的键值之间用‘=’隔开。

可以这样解析URL地址(Python)

import urlparse

lis = urlparse.urlparse(url)

url ='http://zh.wikipedia.org:80/wiki/Special:Search?search=铁路&Go=go'

完全按照上面的格式解析了URL地址

http 是协议；

zh.wikipedia.org,是服务器；

80 是HTTP协议默认端口；

/wiki/Special:Search 服务器上存放该资源的目录路径

 query='search=\xcc\xfa\xc2\xb7&go=Go' 是动态网页的查询

二、服务器通过HTTP与浏览器的交互

（1）http请求

客户端通过发送http请求向服务器请求资源的访问

http请求由三部分组成，分别是：请求行、消息报头、请求正文。

请求行的格式如下：

MethodRequest-URIHTTP-VersionCRLF

第一个参数方法符号，详细方法下面将列出

第二个参数是请求URI(统一资源定位符)

第三个参数表示协议版本

第四个是换行符

这四部分均以空格间隔，除了结尾外，其他三部分不允许出现CR或者LF字符

例如 GET /tmp.html HTTP/1.1 (CRLF)

（2）http请求方法

下面是一些例子：

GET方法： 当我们通过浏览器的地址栏输入网址的方式去访问网页的时候，浏览器就是采用GET方法向服务器获取资源。

   如：GET Request-URL HTTP/1.1 

POST方法：该方法用于向服务器发送请求，这种方法要求服务器接收附在请求后面的数据，多用于提交表单数据

如：POST /login.jsp HTTP/1.1 (CRLF)

注意，在HTML文档中，书写get和post，不区分大小写，但HTTP协议中的GET和POST只能是大写形式。

HEAD方法：HEAD方法与GET方法几乎是一样的，它们的区别在于HEAD方法只是请求消息报头，而不是完整的内容。

利用这个方法，不必传输整个资源的内容，就可以得到Request-URI所标识的资源的信息。

（3）HTTP响应

在接收和解释请求消息后，服务器会返回一个HTTP响应消息。

　　与HTTP请求类似，HTTP响应也是由三个部分组成，分别是：状态行，消息报头，相应正文。

　　状态行由协议版本，数字形式的状态代码，相应的状态描述组成，各元素之间以空格分隔，除了结尾的CRLF(回车换行)序列外，不允许出现CR或LF字符。格式如下：

　　HTTP-Version Status-Code Reason-Phrase CRLF

　　HTTP-Version表示服务器HTTP协议的版本，Status-Code表示服务器发回的响应代码，Reason-Phrase表示状态代码的文本描述，CRLF表示回车换行。

Status-Code(状态代码）：由三位数字组成，表示请求是否被理解或者满足；

状态代码的第一个数字代表的响应的类别：

1xx：指示信息——表示请求已接收，继续处理

　　 2xx：成功——表示请求已经被成功接收，理解，接受

　　 3xx：重定向——要完成请求必须进行更进一步的操作

　　 4xx：客户端错误——请求有语法错误或请求无法实现

　　 5xx：服务器端错误——服务器未能实现合法的请求

Reason-Phrase(状态描述）：关于状态代码的简短文本描述；

　　例如：

　　HTTP/1.1 200 OK (CRLF)