HTTP首部——Content-Type的作用

前言
对于我们习以为常的东西，却没有仔细思考它的作用。 HTTP的首部都各有个的价值，最近看到这个Content-Type，忽然让我想起来以前自己的一个小小的失误，而产生了一个bug。但是当时却搞得我焦头烂额，我在网络上查找了一圈也没有发现什么解决方案。最后，还是自己发现了写错的地方，而这个错误就是由于Content-Type所引起的。作为一名应用软件程序员，从计算机网络的角度来看，我们是工作在应用层的。所以对于应用层使用广泛的HTTP协议，还是要多了解一些。这样也有助于我们更好的理解应用，当出现我上面的这个问题时，可以很快的解决！

注：虽然基本上不会遇到这个问题，因为Content-Type并不需要我们去管理，当时了解它的作用本身仍然是一件很有趣的事情！

请求报文的结构

github地址： https://github.com/crazy-dragon/simple_server
注：第一次在github里面创建仓库，感觉挺麻烦的，主要是网络实在是难以忍受，太慢了。感兴趣的就看看吧，不怎么会使用github，不过现在也在了解。

Content-Type 首部

先来看一下网络上对于MIME的介绍：

MIME(Multipurpose Internet Mail Extensions) 多用途互联网邮件扩展类型。是设定某种扩展名的文件用一种应用程序来打开的方式类型，当该扩展名文件被访问的时候，浏览器会自动使用指定应用程序来打开。多用于指定一些客户端自定义的文件名，以及一些媒体文件打开方式。它是一个互联网标准，扩展了电子邮件标准，使其能够支持：
非ASCII字符文本；非文本格式附件（二进制、声音、图像等）；由多部分（multiple parts）组成的消息体；包含非ASCII字符的头信息（Header information）。 这个标准被定义在RFC 2045、RFC 2046、RFC 2047、RFC 2048、RFC 2049等RFC中。 MIME改善了由RFC 822转变而来的RFC 2822，这些旧标准规定电子邮件标准并不允许在邮件消息中使用7位ASCII字符集以外的字符。正因如此，一些非英语字符消息和二进制文件，图像，声音等非文字消息原本都不能在电子邮件中传输(MIME可以)。MIME规定了用于表示各种各样的数据类型的符号化方法。 此外，在万维网中使用的HTTP协议中也使用了MIME的框架，标准被扩展为互联网媒体类型。

所以MIME是帮助客户端自动使用指定的应用程序来处理传输来的文件，如果你使用过socket传输过文件，你就会明白了。通过网络传输的数据，是文件本身的二进制数据，当是但我们在计算机上使用文件时，它是具有特定的扩展名的，以便于使用特定的程序来打开它。可以设想这样一个问题：我通过socket向你发送了一幅图片，当是你却以为是一个文档。那么尝试打开并阅读它的努力都是白费的！或者是，有些人喜欢修改某些文件的扩展名，以逃避别人的检查。所以当你遇到一个位置扩展名或者没有扩展名的文件时，通常会使用打开为这个选项。这样来枚举一下各种可能性（大部分人都不了解这个，而且被隐藏的文件类型也很好猜出来。），多半就能试出来了。所以，可见文件的类型是多么的重要。

正是因为MIME在邮件中的广泛应用，所以HTTP协议直接就使用了它并做了一些扩展。HTTP报文中的 Content-Type 首部就是用来说明实体主体（报文的数据体）的MIME类型。它的值就是标准化的MIME类型，MIME类型由一个主媒体类型后面跟一条斜线以及一个子类型组成，子类型用于进一步描述媒体类型。

下面介绍几个常用的媒体类型：

媒体类型	描述
text/html	实体主体是HTML文档
text/plain	实体主体是纯文本文档
image/jpeg	实体主体是JPEG格式的图像
application/json	实体主体是json
application/x-icon	实体主体是ICO格式的图像
application/octet-stream	实体是二进制数据（用于下载）

媒体的类型很多，这也构成了丰富的互联网世界。这里我只是选择了这几种来举例子，其它的只要需要使用时，再去查MIME表获取即可。

实际编程使用

Talk is cheap, show me your code!

上面都是一些理论性的介绍，下面让我们使用代码来实际使用上面介绍的几个首部的具体作用。这里提供一个小的demo用于演示，代码很简短。全部使用的原生代码，因为也就100多行，但是我觉得它还是很有趣的，用来学习HTTP的一些知识是很好的。

演示demo及介绍

目录结构

它非常简单，所以用来学习是再合适不过了，甚至不使用IDE都是可以的。


注： 这是我在resource文件夹下面存放的文件，如果想要运行的话，只要有这些同名的文件就行了。404.html、poem.html和json.txt也都一样。

demo功能

在IDE中启动项目后，打开浏览器：

访问路径	功能
localhost:8888/	返回主页
localhost:8888/poem.html	返回主页
localhost:8888/no_poem.html	返回不解析的html
localhost:8888/json	返回json数据
localhost:8888/favicon	返回网页的图标，多次访问，结果不同
localhost:8888/any.jpg	以指定的格式下载二进制数据
other	返回404页

代码

package dragon.httpserver;

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.net.ServerSocket;
import java.net.Socket;
import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.Random;

public class DragonServer {
     
	public static final String CRLF = "\r\n";
	public static final String BLANK = " ";
	private static final int BOUND = 7;
	private int port;
	
	public DragonServer(int port) {
     
		this.port = port;
	}
	
	public static void main(String[] args) throws IOException {
     
		System.out.println("The server has started...");
		new DragonServer(8888).start();
	}
	
	public void start() {
     
		try (ServerSocket server = new ServerSocket(port)) {
     
			while (true) {
     
				Socket client = server.accept();
				new Thread(()-> {
     
					try {
     
						// 获取输入流
						InputStream in = new BufferedInputStream(client.getInputStream());
						// 获取输出流
						OutputStream out = new BufferedOutputStream(client.getOutputStream());
						// 读取报文第一行，即请求行
						StringBuilder requestLine = new StringBuilder();
						// 我这里只读一行，不读取全部报文，程序没有报错！这是为什么？
						while (true) {
     
							int c = in.read();
							if (c == '\r' || c == '\r' || c == -1) break;
							// 不要直接使用 char 去读取，因为读取到结束的 -1 会转成 65535，导致后序的判断失败！
							requestLine.append((char)c);
						}
						
						// 这里有一个奇怪的问题，线程没有读取到任何数据，我这几就直接返回它了！
						if (requestLine.length() == 0) {
     
							return ;
						}
						String line = requestLine.toString();
						String[] lines = line.split(" ");
						System.out.println("request line: --> " + line);
						
						String method = lines[0];
						String path = lines[1];
						String protocol = lines[2];
						
						System.out.println("request method: " + method);
						System.out.println("request path: " + path);
						System.out.println("request protocol: " + protocol);
						
						// 设置一个标志变量，如果为 1，就默认为 Content-Type: plain/html，否则为其它的
						Path filepath = null;
						String contentType = null;
						String statusLine = "200 OK";
						// 路由分发
						switch (path) {
     
						case "/":
						case "/poem.html": 
							filepath = Paths.get("./resource", "poem.html");
							contentType = "text/html;charset=UTF-8";
							break;
						case "/no_poem.html":
							filepath = Paths.get("./resource",  "poem.html");
							contentType = "text/plain;charset=UTF-8";         // 区别在这里！浏览器不会解析该 html ！
							break;
						case "/json":
							filepath = Paths.get("./resource", "json.txt");
							contentType = "application/json;charset=UTF-8";   // 虽然它的功能和 text/plain 相似，但是表示的范围更小！
							break;
						case "/favicon.ico": 
							Random rand = new Random();
							String name = "favicon" + rand.nextInt(BOUND) + ".ico";
							filepath = Paths.get("./resource", name);
							contentType = "image/x-icon";      // 写错成了 image/x-ico 变成自动下载了！
							break;
						case "/any":
							filepath = Paths.get("./resource", "404.html");  
							contentType = "application/octet-stream";    // 这个首部非常有趣，当是对于它的介绍很少。
							break;
						default: 
							filepath = Paths.get("./resource",  "404.html");
							statusLine = "404 Not Found";
							contentType = "text/html;charset=UTF-8";         // plain/html 会自动下载了，奇怪！
							break;
						}
						
						StringBuilder headerBuilder = new StringBuilder();
						byte[] entity = Files.readAllBytes(filepath);		
						// 构造响应头
						headerBuilder.append("HTTP/1.0").append(BLANK).append(statusLine).append(CRLF)
							         .append("Server:").append(BLANK).append("dragon 1.0").append(CRLF)
						             .append("Content-Length:").append(BLANK).append(entity.length).append(CRLF)
						             .append("Content-Type:").append(BLANK).append(contentType).append(CRLF)
						             .append(CRLF);
						
						// 输出响应头
						System.out.println(headerBuilder);
						byte[] header = headerBuilder.toString().getBytes(StandardCharsets.UTF_8);
						out.write(header);
						out.write(entity);
						out.flush();   // 一定要显示刷新流，防止出错！
					} catch (IOException e) {
     
						e.printStackTrace();
					} finally {
     
						try {
     
							if (client != null) {
     
								client.close();
							}
						} catch (IOException e) {
     
							e.printStackTrace();
						}
					}
				}).start();
			}
		} catch (IOException e) {
     
			e.printStackTrace();
		}
	}
}

演示

1.访问根目录
注意：我的程序是带有图标的！但是浏览器缓存了该图标，导致了它似乎不会变化了，尽管我是加入了变化的。因为第一次访问一个新的url的时候，浏览器会发出两个请求。一个是用户请求，另一个是请求该网站的ico图标。

我这里这是简单的获取请求行的信息，其它的都丢弃了。但是这里并没有请求图标的请求信息，应该是图标被缓存了，所以就不会再次请求了。网站的图标一般都是固定不变的，它是品牌的代表。
request line: --> GET / HTTP/1.1

说明
这里返回类型是 Content-Type: text/html，它告诉浏览器响应为一个html文档，所以浏览器会自动解析它。所以，你不要以为只要返回的是html页面，浏览器就会解析它。因为浏览器其实没有那么智能!

---

2.访问 /poem.html
这个结果和访问 / 是一样的，不做过多介绍，看上面即可！

---

3.访问 /no_poem.html


说明：
这个返回的类型是：Content-Type: text/plain，它表示的是纯文本文件。所以浏览器只是会展示它，而不是去解析它。因为html文档本身也是纯文本，所以浏览器只是单纯的显示它的内容而已。这里就引出了我开头所述的问题，我将返回html页面的首部写错了，本来是 text/html，结果写成了 text/plain。导致我的页面浏览器不解析，我遇到这个问题真是一脸懵逼。网络上也没有找到答案，因为大家都是使用现有的Web服务器，所以几乎不会遇到这种问题。后来，找了很久才发现是这里出错了。不过倒也是因此对Content-Type有了一些认识。

---

4.访问 /json

说明：
返回一个简单的json数据，这个是应用很广泛的了，现在流行使用json来传递数据（xml在数据传输上基本上很少使用了）。最近看到一句王阳明的话，觉得非常有趣。于是就写进去了和大家分享一下：此心光明，亦复何言。 它的 Content-Type 是 application/json，但是从效果上来看似乎和 text/plain 没有什么区别。确实也是，即使换成 text/plain 也是没有问题的。但是它表示的更加精确，对于应用程序来说更加友好。

---

5.访问 /favicon.ico
这个路径基本上任何一个网站都有的，所以你可以到任何一个网站的根目录后面加上该路径进行访问，查看它们的图标。还有一个路径是 /robots.txt，该路径基本上正规的网站也都有，它是一个爬虫的道德约束文件。

这里举一个例子，所以网站要有一个简单好认的图标，提高识别度。

我自己demo的图标：
我特意玩了一个小技巧，弄了一个随机访问的图标（总共有7个图标）。但是由于浏览器会缓存，导致它没有多少用处了。但是你还是可以通过多次访问路径，查看不同的图标。

注意：
最好不要使用黑色风格的图标，因为整个背景是黑色的，黑+黑就会遮盖了很多东西，我有一个图标是一个黑色的龙，结果只剩下一个全黑的背景了。哈哈！

---

6.访问 /any.jpg

说明：
这个返回的类型是：Content-Type: application/octet-stream，它表示某种二进制数据，浏览器会立刻进行下载，而下载的文件的名字，就是最后的路径名。并且，如果你写错了 Content-Type，或者不写 Content-Type，浏览器都会进行下载操作。似乎，它就是默认的Content-Type。并且，在postman中，发送请求时，如果是文件的话，可以选择body的类型为 binary。它就是表示使用该首部。

注意：当我编写这个程序时，我一开始没有看MIME表，直接凭借着感觉写Content-Type，但是写错了。访问某个路径直接变成下载了。真是一个大坑！不过现在反而也更加明白了它的作用。

---

7.访问任何其它路径

总结

如果看了这篇博客，并且实际运行我的代码，相信你会对 Content-Type 有一个全新的理解。它真的挺有趣的，学习这些协议的知识，对于我们以后的开发也是很重要的。特别是很多需要使用到协议的工作，例如网络数据采集（爬虫），对于请求头的分析其实是必不可少的。所以，基础知识的掌握是很重要的！