Python -- HTTP服务器

在Web应用中，服务器把网页传给浏览器，实际上就是把网页的HTML代码发送给浏览器，让浏览器显示出来。而浏览器和服务器之间的传输协议是HTTP，所以：

• HTML是一种用来定义网页的文本，会HTML，就可以编写网页；

• HTTP是在网络上传输HTML的协议，用于浏览器和服务器的通信。

http协议分析

浏览器请求

我们在地址栏输入 www.baidu.com 时，浏览器将显示新浪的首页。在这个过程中，浏览器都干了哪些事情呢？通过chrome浏览器的Network的记录，我们就可以知道。在Network中，找到www.baidu.com那条记录，点击，右侧将显示Request Headers，点击右侧的view source，我们就可以看到浏览器发给百度服务器的请求：GET / HTTP/1.1

 

Host: www.baidu.com
Connection: keep-alive
Cache-Control: max-age=0
Upgrade-Insecure-Requests: 1
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3
Accept-Encoding: gzip, deflate, br
Accept-Language: zh-CN,zh;q=0.9
Cookie: BAIDUID=0661A4591037801C16ECE490A331A9FF:FG=1; BIDUPSID=0661A4591037801C16ECE490A331A9FF; PSTM=1555xxxxxxx

说明：
首先看第一行：

GET / HTTP/1.1

GET 表示一个读取请求，将从服务器获得网页数据，/表示URL的路径，URL总是以/开头，/就表示首页，最后的HTTP/1.1指示采用的HTTP协议版本是1.1。目前HTTP协议的版本就是1.1，但是大部分服务器也支持1.0版本，主要区别在于1.1版本允许多个HTTP请求复用一个TCP连接，以加快传输速度。

从第二行开始。都是一个Xxx: abc这样的键值对

Host: www.baidu.com
Connection: keep-alive
Cache-Control: max-age=0

表示请求的域名是 www.baidu.com。如果一台服务器有多个网站，服务器就需要通过Host来区分浏览器请求的是哪个网站。

服务器相应

我们打开刚才Network里面的Response Headers 点击右侧的viewparsed,看到如下信息

 

HTTP/1.1 200 OK
Bdpagetype: 2
Bdqid: 0xa026d4990005bd0b
Cache-Control: private
Connection: Keep-Alive
Content-Encoding: gzip
Content-Type: text/html;charset=utf-8
Date: Thu, 30 May 2019 06:08:35 GMT
Expires: Thu, 30 May 2019 06:08:34 GMT
Server: BWS/1.1
Set-Cookie: BDSVRTM=314; path=/
Set-Cookie: BD_HOME=1; path=/
Set-Cookie: H_PS_PSSID=1432_28939_21099_20692_29063_28519_29098_28839_28584_26350_22157; path=/; domain=.baidu.com
Strict-Transport-Security: max-age=172800
X-Ua-Compatible: IE=Edge,chrome=1
Transfer-Encoding: chunked

HTTP响应分为 Header 和 Body 两部分（Body是可选项），我们在Network中看到的Header最重要的几行如下：

HTTP/1.1 200 OK

200表示一个成功的响应，后面的OK是说明。
如果返回的不是200，那么往往有其他的功能，例如

失败的响应有404 Not Found：网页不存在
500 Internal Server Error：服务器内部出错
…等等…

Content-Type: text/html

Content-Type指示响应的内容，这里是text/html表示HTML网页。

请注意，浏览器就是依靠Content-Type来判断响应的内容是网页还是图片，是视频还是音乐。浏览器并不靠 URL来判断响应的内容，所以，即使URL是http://www.baidu.com/meimei.jpg，它也不一定就是图片。

HTTP响应的Body就是HTML源码，我们在菜单栏选择“视图”，“开发者”，“查看网页源码”就可以在浏览器中直接查看HTML源码。

浏览器解析过程描述

当浏览器读取到百度首页的HTML源码后，它会解析HTML，显示页面，然后，根据HTML里面的各种链接，再发送HTTP请求给新浪服务器，拿到相应的图片、视频、Flash、JavaScript脚本、CSS等各种资源，最终显示出一个完整的页面。所以我们在Network下能看到很多额外的HTTP请求。

 HTTP格式

 每个HTTP请求和响应都遵循相同的格式，一个HTTP包含Header和Body两部分，其中Body是可选的。

HTTP协议是一种文本协议，所以，它的格式也非常简单。

HTTP GET请求格式

   GET /path HTTP/1.1
   Header1: Value1
   Header2: Value2
   Header3: Value3

每个Header一行一个，换行符是\r\n。

HTTP POST 请求格式

    POST /path HTTP/1.1
    Header1: Value1
    Header2: Value2
    Header3: Value3

    body data goes here...

当遇到 连续两个\r\n 时，Header部分结束，后面的数据全部是Body。Header部分和Body中间有一个空行

HTTP 相应格式

    200 OK
    Header1: Value1
    Header2: Value2
    Header3: Value3

    body data goes here...

HTTP响应如果包含body，也是通过 \r\n\r\n (俩个空行) 来分隔的。

Tips： Body的数据类型由Content-Type头来确定，如果是网页，Body就是文本，如果是图片，Body就是图片的二进制数据。

当存在Content-Encoding时，Body数据是被压缩的，最常见的压缩方式是gzip，所以，看到Content-Encoding: gzip时，需要将Body数据先解压缩，才能得到真正的数据。压缩的目的在于减少Body的大小，加快网络传输。