CGI详解（原理，配置及访问）
一．基本原理
CGI：通用网关接口（Common Gateway Interface）是一个Web服务器主机提供信息服务的标准接口。通过CGI接口，Web服务器就能够获取客户端提交的信息，转交给服务器端的CGI程序进行处理，最后返回结果给客户端。
组成CGI通信系统的是两部分：一部分是html页面，就是在用户端浏览器上显示的页面。另一部分则是运行在服务器上的Cgi程序。
它们之间的通讯方式如下图：
服务器和客户端之间的通信，是客户端的浏览器和服务器端的http服务器之间的HTTP通信，我们只需要知道浏览器请求执行服务器上哪个CGI程序就可以了，其他不必深究细节，因为这些过程不需要程序员去操作。
服务器和CGI程序之间的通讯才是我们关注的。一般情况下，服务器和CGI程序之间是通过标准输入输出来进行数据传递的，而这个过程需要环境变量的协作方可实现。
1. 服务器将URL指向一个应用程序
2. 服务器为应用程序执行做准备
3. 应用程序执行，读取标准输入和有关环境变量
4. 应用程序进行标准输出
对于Windows系统而言，还可以通过profile文件进行数据传输（如ini文件），但在
这里不做研究。
环境变量在CGI中有着重要的地位！每个CGI程序只能处理一个用户请求，所以在激
活一个CGI程序进程时也创建了属于该进程的环境变量。
二．环境变量
对于CGI程序来说，它继承了系统的环境变量。CGI环境变量在CGI程序启动时初始化，在结束时销毁。
当一个CGI程序不是被HTTP服务器调用时，它的环境变量几乎是系统环境变量的复制。
当这个CGI程序被HTTP服务器调用时，它的环境变量就会多了以下关于HTTP服务器、客户端、CGI传输过程等项目。
| 与请求相关的环境变量 |
REQUEST_METHOD |
服务器与CGI程序之间的信息传输方式 |
| QUERY_STRING |
采用GET时所传输的信息 |
|
| CONTENT_LENGTH |
STDIO中的有效信息长度 |
|
| CONTENT_TYPE |
指示所传来的信息的MIME类型 |
|
| CONTENT_FILE |
使用Windows HTTPd/WinCGI标准时，用来传送数据的文件名 |
|
| PATH_INFO |
路径信息 |
|
| PATH_TRANSLATED |
CGI程序的完整路径名 |
|
| SCRIPT_NAME |
所调用的CGI程序的名字 |
|
| 与服务器相关的环境变量 |
GATEWAY_INTERFACE |
服务器所实现的CGI版本 |
| SERVER_NAME |
服务器的IP或名字 |
|
| SERVER_PORT |
主机的端口号 |
|
| SERVER_SOFTWARE |
调用CGI程序的HTTP服务器的名称和版本号 |
|
| 与客户端相关的环境变量 |
REMOTE_ADDR |
客户机的主机名 |
| REMOTE_HOST |
客户机的IP地址 |
|
| ACCEPT |
例出能被次请求接受的应答方式 |
|
| ACCEPT_ENCODING |
列出客户机支持的编码方式 |
|
| ACCEPT_LANGUAGE |
表明客户机可接受语言的ISO代码 |
|
| AUTORIZATION |
表明被证实了的用户 |
|
| FORM |
列出客户机的EMAIL地址 |
|
| IF_MODIFIED_SINGCE |
当用get方式请求并且只有当文档比指定日期更早时才返回数据 |
|
| PRAGMA |
设定将来要用到的服务器代理 |
|
| REFFERER |
指出连接到当前文档的文档的URL |
|
| USER_AGENT |
客户端浏览器的信息 |
CONTENT_TYPE:如application/x-www-form-urlencoded，表示数据来自HTML表单，并且经过了URL编码。
ACCEPT:客户机所支持的MIME类型清单，内容如：”image/gif,image/jpeg”
REQUEST_METHOD：它的值一般包括两种:POST和GET，但我们写CGI程序时，最后还要考虑其他的情况。
1．POST方法
如果采用POST方法，那么客户端来的用户数据将存放在CGI进程的标准输入中，同时将用户数据的长度赋予环境变量中的CONTENT_LENGTH。客户端用POST方式发送数据有一个相应的MIME类型（通用Internet邮件扩充服务：Multi-purpose Internet Mail Extensions）。目前，MIME类型一般是：application/x-wwww-form-urlencoded，该类型表示数据来自HTML表单。该类型记录在环境变量CONTENT_TYPE中，CGI程序应该检查该变量的值。
2．GET方法
在该方法下，CGI程序无法直接从服务器的标准输入中获取数据，因为服务器把它从标
准输入接收到得数据编码到环境变量QUERY_STRING（或PATH_INFO）。
GET与POST的区别：采用GET方法提交HTML表单数据的时候，客户机将把这些数
据附加到由ACTION标记命名的URL的末尾，用一个包括把经过URL编码后的信息与CGI程序的名字分开：http://www.mycorp.com/hello.html？name=hgq$id=1，QUERY_STRING的值为name=hgq&id=1
有些程序员不愿意采用GET方法，因为在他们看来，把动态信息附加在URL的末尾有
违URL的出发点：URL作为一种标准用语，一般是用作网络资源的唯一定位标示。
环境变量是一个保存用户信息的内存区。当客户端的用户通过浏览器发出CGI请求时，服务器就寻找本地的相应CGI程序并执行它。在执行CGI程序的同时，服务器把该用户的信息保存到环境变量里。接下来，CGI程序的执行流程是这样的：查询与该CGI程序进程相应的环境变量：第一步是request_method，如果是POST，就从环境变量的len，然后到该进程相应的标准输入取出len长的数据。如果是GET，则用户数据就在环境变量的QUERY_STRING里。
3．POST与GET的区别
以 GET 方式接收的数据是有长度限制，而用 POST 方式接收的数据是没有长度限制的。并且，以 GET 方式发送数据，可以通过URL 的形式来发送，但 POST方式发送的数据必须要通过 Form 才到发送。
三．CGI程序实现步骤
1．从服务器获取数据
C语言实现代码：
| #include #include #include
int get_inputs() { int length; char *method; char *inputstring;
method = getenv(“REQUEST_METHOD”); //将返回结果赋予指针 if(method == NULL) return 1; //找不到环境变量REQUEST_METHOD if(!strcmp(method, ”POST”)) // POST方法 { length = atoi(getenv(“CONTENT_LENGTH”)); //结果是字符，需要转换 if(length != 0) { inputstring = malloc(sizeof(char)*length + 1) //必须申请缓存，因为stdin是不带缓存的。 fread(inputstring, sizeof(char), length, stdin); //从标准输入读取一定数据 } } else if(!strcmp(method, “GET”)) { Inputstring = getenv(“QUERY_STRING”); length = strlen(inputstring); } if(length == 0) return 0; } |
Perl实现代码：
| $method = $ENV{‘REQUEST_METHOD’}; if($method eq ‘POST’) { Read(STDIN, $input, $ENV{‘CONTENT_LENGTH’}); } if($method eq ‘GET’ || $method eq ‘HEAD’) { $input = $ENV{‘QUERY_STRING’}; } if($input eq “”) { &print_form; exit; } |
PYTHON代码实现
| #!/usr/local/bin/python import cgi def main(): form = cgi.FieldStorage()
Python代码实现更简单，cgi.FieldStorage()返回一个字典，字典的每一个key就是变量名，key对应的值就是变量名的值，更本无需用户再去进行数据解码！ |
获取环境变量的时候，如果先判断“REQUEST_METHOD”是否存在，程序会更健壮，否则在某些情况下可能会造成程序崩溃。因为假若CGI程序不是由服务器调用的，那么环境变量集里就没有与CGI相关的环境变量（如REQUEST_METHOD，REMOTE_ADDR等）添加进来，也就是说“getenv(“REQUEST_METHOD”)”将返回NULL！
2．URL编码
不管是POST还是GET方式，客户端浏览器发送给服务器的数据都不是原始的用户数据，而是经过URL编码的。此时，CGI的环境变量Content_type将被设置，如Content_type = application/x-www-form-urlencode就表示服务器收到的是经过URL编码的包含有HTML表单变量数据。
编码的基本规则是：
变量之间用“&”分开；
变量与其对应值用“=”连接；
空格用“+”代替；
保留的控制字符则用“%”连接对应的16禁止ASCII码代替；
某些具有特殊意义的字符也用“%”接对应的16进制ASCII码代替；
空格是非法字符；
任意不可打印的ASCII控制字符均为非法字符。
例如，假设3个HTML表单变量filename、e-mail和comments，它们的值对应分别为hello、[email protected]和I’ll bethere for you，则经过URL编码后应为：
|
[email protected]&comments=I%27ll+be+there+for+you
|
所以，CGI程序从标准输入或环境变量中获取客户端数据后，还需要进行解码。解码的过程就是URL编码的逆变：根据“&”和“=”分离HTML表单变量，以及特殊字符的替换。
在解码方面，PYTHON代码实现是最理想的，cgi.FieldStorage()函数在获取数据的同时就已自动进行代码转换了，无需程序员再进行额外的代码编写。Perl其次，因为在一个现成的Perl库：cgi-lib.pl中提供了ReadParse函数，用它来进行URL解码很简单：
| require ‘cgi-lib.pl’; &ReadParse(*input); |
3．CGI数据输出
CGI程序如何将信息处理结果返回给客户端？这实际上是CGI格式化输出。
在CGI程序中的标准输出stdout是经过重定义了的，它并没有在服务器上产生任何的输出内容，而是被重定向到客户浏览器，这与它是由C，还是Perl或Python实现无关。
所以，我们可以用打印来实现客户端新的HTML页面的生成。比如，C的printf是向该进程的标准输出发送数据，Perl和Python用print向该进程的标准输出发送数据。
（1） CGI标题
CGI的格式输出内容必须组织成标题/内容的形式。CGI标准规定了CGI程序可以使用
的三个HTTP标题。标题必须占据第一行输出！而且必须随后带有一个空行。
| 标题 |
描述 |
| Content_type (内容类型) |
设定随后输出数据所用的MIME类型 |
| Location (地址) |
设定输出为另外一个文档（URL） |
| Status (状态) |
指定HTTP状态码 |
MIME：
向标准输出发送网页内容时要遵守MIME格式规则：
任意输出前面必须有一个用于定义MIME类型的输出内容（Content-type）行，而且随后还必须跟一个空行。如果遗漏了这一条，服务将会返回一个错误信息。（同样使用于其他标题）
例如Perl和Python：
| print “Content-type:text/html\n\n”; //输出HTML格式的数据 print “welcome print “” |
C语言：
| printf( “Content-type:text/html\n\n”); printf(“Welcome\n”); |
MIME类型以类型/子类型（type/subtype）的形式表示。
其中type表示一下几种典型文件格式的一种：
Text、Audio、Video、Image、Application、Mutipart、Message
Subtype则用来描述具体所用的数据格式。
| Application/msword |
微软的Word文件 |
| Application/octet-stream |
一种通用的二进制文件格式 |
| Application/zip |
Zip压缩文件 |
| Application/pdf |
Pdf文件 |
| 。。。。。。。。。。。。。。。。。。。。。。。。。。 |
。。。。。。。。。。。。。。。。。。。。。。。。。 |
Location：
使用Location标题，一个CGI可以使当前用户转而访问同一服务器上的另外一个程序，甚至可以访问另外一个URL，但服务器对他们的处理方式不一样。
使用Location的格式为：Location：Filename/URL，例如：
| print “Location:/test.html\n\n”; 这与直接链接到test.html的效果是一样的。 |
| print “Location:http://www.chinaunix.com/\n\n” 由于该URL并不指向当前服务器，用户浏览器并不会直接链接到指定的URL，而是给用户输出提示信息。 |
HTTP状态码：
表示了请求的结果状态，是CGI程序通过服务器用来通知用户其请求是否成功执行的信息码，本文不做研究。
四．CGI中的信号量和文件锁
因为CGI程序时公用的，而WEB服务器都支持多进程运行，因此可能会发生同时有多个用户访问同一个CGI程序的情况。比如，有2个用户几乎同时访问同一个CGI程序，服务器为他们创建了2个CGI程序进程，设为进程A和进程B。假如进程A首先打开了某个文件，然后由于某种原因被挂起（一般是由于操作系统的进程调度）；而就在进程A被挂起的这段时间内，进程B完成了对文件的整个操作流程：打开，写入，关闭；进程A再继续往下执行，但进程A所操作的文件依旧是原来文件的就版本，此时进程A的操作结果将覆盖进程B的操作结果。
为了防止这种情况发生，需要用到文件锁或者信号量。
钥匙文件？
假如有多个不同的HTML可以调用同一个CGI程序，那么CGI程序如何区分它们呢？一个是通过隐含的INPUT标签。不过觉得这个比较麻烦，因为CGI必须经过一系列解码后才能找到这个隐含INPUT的变量和其值。
五．设置HTTP服务器以兼容CGI
用Perl编写的CGI程序后缀为：.pl；Python编写的CGI程序后缀为：.py；而C编写的CGI程序后缀为：.cgi，如果在win下编译出来的是.exe，最好将它重命名为.cgi。这些都是为了HTTP服务能够识别并调用它们。
当使用appche httpd服务器时，请编辑它的配置文件httpd.conf如下：
修改AddHandler cgi-script一句为AddHandler cgi-script .cgi .py.pl
六．关于CGI的C语言库——cgihtml
Cgihtml是一个应用非常广泛的C语言编写的CGI库。它提供的功能函数如下：
Read_cgi_input()：获取并解析HTML表单输入，返回一个指向某结构体的指针
Cgi_val()：获取每个表单变量的值
Html_header():输出HTML标题栏
Html_begin():输出HTML文档的开始部分
H1():输出一行字符，字体为H1
Html_end():输出HTML文档的结尾部分。
#include “cgi-lib.h”
#include “html-lib.h”
#include “string-lib.h”
六．后话
有的人认为可以用JavaScript来代替CGI程序，这其实是一个概念上的错误。JavaScript只能够在客户浏览器中运行，而CGI却是工作在服务器上的。他们所做的工作有一些交集，比如表单数据验证一类的，但是JavaScript是绝对无法取代CGI的。但可以这样说，如果一项工作即能够用JavaScript来做，又可以用CGI来做，那么绝对要使用JavaScript，在执行的速度上，JavaScript比CGI有着先天的优势。只有那些在客户端解决不了的问题，比如和某个远程数据库交互，这时就应该使用CGI了。
SSI:一种用来动态输出HTML文本的特殊程序。
网页里包含有某个变量，提交给服务器后，只有该变量改变。此时我们希望服务器不要把整个页面内容都发送过来，而只需要告诉客户端的浏览器，哪个变量的值便成什么样了，浏览器会自动更新。
SSI在服务器端运行。
SSI不需要外部接口，它不像CGI从标准输入接收信息。
你浏览你的HTML文档时看不到SSI标记，因为它已经被相应的程序输出所替代。
所有的SSI命令都是嵌入在普通的HTML注释行中的。当服务器无法解释SSI时，它将不解释并直接把文档传给浏览器，由于命令在注释中，故浏览器将忽略它们。而当服务器识别SSI时，它并不将该命令传给浏览器，相反，服务器将从上到下扫描HTML文档，执行每一个嵌入注释的命令，并将命令的执行结果代替原注释。
注释文本-->。服务器将根本不查看注释，除非已启动SSI。
与纯注释不同的是，所有的SSI命令都是以#打头。