《图解TCP/IP》阅读笔记（第八章 8.5）—— WWW知多少？

8.5 WWW

看到这章的名字，对于日常上网冲浪的我们而言，应该是再熟悉不过了。这不就是常见网址前的那三个字母，号称万维网（WWW，World Wide Web）的东西吗?

确实，我们本篇文章就要介绍与之相关的内容。

万维网是将互联网中的信息已超文本（显示文本以及文本相关的内容）形式展现的系统，也叫做Web。可以显示WWW信息的客户端软件叫做Web浏览器。比如微软的Edge（书中提到的是Internet Explorer，但这年代了谁还用IE啊）、Mozilla基金会的Firefox、Google的Chrome、苹果公司的Safari等。

只有有网，只要有浏览器，人们只用轻轻点击鼠标，就可以访问任何可以被访问的页面，并浏览相关信息。

通过浏览器访问后回显的内容叫做“Web页”。

---

WWW定义了3个重要的概念

• 访问信息的手段与位置 URI（Uniform Resource Identifier，统一资源标志符）
• 信息的表现形式 HTML（HyperText Markup Language，超文本标记语言）
• 信息转发 HTTP（HyperText Transfer Protocol，超文本传输协议）等操作

接下来我们就详细讲一下这三个概念

---

URI（Uniform Resource Identifier，统一资源标志符），从名字就可以看出来，其用于资源表示，是一种可以用于WWW之外的高效的识别码，被用于主页地址、电子邮件、电话号码等各种组合中，例如：

这些例子属于一般主页地址，也被叫做URL(Uniform Resource Locator)，URL常用语表示互联网中资源文件的具体位置。但URI不局限于标识互联网资源，可以作为所有资源的识别码。URI相比URL，是一个更加广义的概念。虽然在RFC中转而在使用URI，但是人们在日常中仍旧习惯使用URL的说法（到2022年都如此呢）

URI表示的组合叫做方案（Scheme），WWW主要用其中的http和https表示Web页的位置和访问Web页的方法。URI的http方案具体格式如下：

其中主机名表示域名或IP地址；

端口号表示传输端口号，省略端口号是表示采用http的默认端口为80；

路径是指主机上该信息的位置；

访问内容表示要传给CGI（Common Gateway Interface，通用网关接口）的信息；

部分信息表示页面当中的位置等。

这种表示方法可以唯一地标识互联网中特定的数据，不过，由于用http方案展现的数据随时有可能发生变化，所以即使将自己喜欢的页面的URI（URL）记住，也不嫩而过保证下次是否还能够访问到一模一样的网页。

---

HTML（HyperText Markup Language，超文本标记语言）是记述Web页的一种语言（数据格式）。它可以指定浏览器中显示的文字、文字的大小和颜色，此外，不仅可以对图像或动画进行相关设置，还可以设置音频内容。

HTML也具有纯文本的功能，在页面中不仅可以为文字或图像附加链接，用户可以通过点击这些链接，了解自己想要了解的信息。

HTML也可以说是WWW通用的数据表现协议，即使是在异构的计算机上，只要使用HTML展现的数据，效果基本上是一致的。可以认为HTML属于WWW的表示层。

---

HTTP（HyperText Transfer Protocol，超文本传输协议），当用户在浏览器地址内输入所要访问Web页的URI之后，HTTP的处理就会开始。其默认使用80端口，首先是客户端向服务器的80端口建立一个TCP连接，然后在这个TCP连接上进行请求和应答以及数据报文的发送，下图展示了HTTP 的工作机制：

HTTP中常用的有两个版本：HTTP1.0和HTTP1.1。

HTTP1.0中每一个命令和应答都会触发一次TCP连接的建立和断开，而从HTTP1.1开始，允许在一个TCP连接上发送多个命令和应答（叫做保持连接Keep-alive）。

值得一提的是，HTTP2.0早在2015年5月就以标准的形式被发布，据某网站统计，截止2021年10月，全球有46.5%的网站支持HTTP/2.0。相较于HTTP1.1，其主要变化在于，及时修改也不会破坏现有程序的正常工作，但是新的程序可以借由新特性得到更好的速度；二是在于HTTP/2采用了新的方法来编码、传输客户端和服务器之间的数据。

这里仅列出HTTP中的主要命令，

而应答信息（同样是3位数字）限于篇幅长度，不再列举，但类型可以分为

• 1开头：信息提供
• 2开头：肯定应答
• 3开头：重定向请求
• 4开头：客户端请求内容出现错误
• 5开头：服务器错误

---

以下的内容算是扩展部分，主要涉及三个部分

• JavaScript

web的基本要素是URI、HTML、HTTP，但是这些无法更改与条件相符的动态内容，为了执行特定程序时可以实现更加精彩、多样的内容，例如网络购物、搜索、动态画面等，就需要用到JavaScript语言。

首先明确，我们称Web浏览器端执行的程序为客户端程序，在服务器端执行的程序为服务器端程序。

JavaScript就是一种嵌入在HTML中的编程语言，作为客户端程序可以运行于多种类型的浏览器。这些浏览器下载了嵌入JavaScript的HTML后，其对应的JavaScript程序就可以在客户端得到执行。

JS程序可以用于验证客户端输入字符串是否过长、是否填写或选择了页面中的必选选项等功能（因为如果都放在服务器执行，给服务器带来的负荷相当之大）。

另外，JS程序还可以用于操作HTML或者XML（Extensible Markup Language，可扩展标记语言）的逻辑结构（Document Object Model，DOM）以及动态显示Web也的内容和页面风格上。另外还有服务器端不需要读取整个页面而是通过JavaScript操作DOM来实现更为生动的Web页面的技术——Ajax（Asynchronous JavaScript and XML）技术。

• CGI（Common Gateway Interface，通用网关接口）

CGI是Web服务器调用外部程序时所使用的一种服务端应用的规范。

一般的Web通信中，只是按照客户端请求将保存在Web服务器硬盘中的数据转发而已，这种情况下客户端每次收获的信息也是同样（静态）的内容。引入CGI之后，客户端请求会触发Web服务器端运行另一个程序，客户端输入的数据也会传给这个外部程序。该程序运行结束后会将生成的HTML和其他数据再返回给客户端。

利用CGI，可以针对用户的操作，返回给客户端有各种各样变化（动态）信息。论坛与网上购物系统中就经常使用CGI调用外部程序或访问数据库。

• Cookie

Web中为了获取用户信息使用一个叫做Cookie的机制，用Cookie在客户端保存信息（多为用户名、登录名等信息）。Cookie常被用于保存登陆信息或者网络购物中放入购物车的商品信息。

从Web服务器检查Cookie可以确认是否为同一对端的通信，从而存放于购物车里的商品信息就不必要保存到服务器了。

另外，书中提到了博客与RSS。博客blog是weblog的缩写，是一种在使用着完全不懂HTML，也不需要使用FTP的情况下，轻松建立Web页并更新内容的网络服务应用。我们的这一系列笔记也属于博客。

而RSS（Really Simple Syndication或RDF（Resource Description Framework） Site Summary，中文常译作简易信息聚合）是用来交互与Web站点内容更新相关的只要信息的一种数据格式。总而言之，其用于将页面的标题、章节、摘要、分类、关键字等原本Web上难以抽取的内容进行聚合，只显示页面的概要，提高关键字搜索的精度。

如果发布消息的Web站点支持RSS，那么用户就可以轻松地通过RSS获取该站点的最新消息。

值得一提的是，国内的许多站点为了占据用户的浏览时长，把RSS机制取消了（这也是网络逐步发展中必经的一环，对我个人而言，算是弊端，例如推送给你那些不感兴趣的内容，或者在搜索时呈现很多无意义的搜索结果等）。

在此安利一个开源项目DIYgod/RSSHub: Everything is RSSible (github.com)，其是一个开源、简单易用、易于扩展的 RSS 生成器，可以给任何奇奇怪怪的内容生成 RSS 订阅源。RSSHub 借助于开源社区的力量快速发展中，目前已适配数百家网站的上千项内容。

我曾经使用过一段时间，那种所有你想要了解的信息都汇聚于一个界面的感觉确实很便利。

---

本篇小结

本篇内容主要讲了有关WWW（万维网）的一些相关概念，简而言之，就是我们使用浏览器上网冲浪时涉及到的一些知识点。

首先，WWW是一个系统级的概念，其常见于网址，定义了三个重要的概念：

• URI（Uniform Resource Identifier，统一资源标识符）：

  用于标识网络中的资源，更准确的讲，是提供该网址的服务器中可以访问到资源

• HTML（HyperText Markup Language，超文本标记语言）：

  用于记述Web网页的一种信息，将网页中的元素标签化，而浏览器正是通过读取HTML文件，将其渲染为可视化网页。HTML属于一种标记语言而非编程语言。

• HTTP（HyperText Transfer Protocol，超文本传输协议）：

  是一种用于两节点（此处指网站）之间请求与应答的标准，是WWW的数据通信的基础，其建立的目的是为了提供一种发布和接收HTML页面的方法，其请求的资源由URI来标识。通常占用TCP80端口。

  迄今为止主要经历了三个版本，主要特点如下

  • 1.0：每次请求和应答都要建立一次连接
  • 1.1：可以在一个连接上发送多个请求 ，接收多个应答
  • 2.0：更加稳定，速度更快

  主要有8个命令，以及5类信息。（参见正文内容）

之后，书中讲了三个相关概念：

• JavaScript：嵌入HTML的一种语言，用于编写网页客户端程序、操作HTML、XML的逻辑结构，使得网页更加生动。通常我们所说的脚本就是使用JS语言编写的。
• CGI：是Web服务器调用外部程序时所使用的一种服务端应用的规范。该过程由一个HTTP POST请求开始，从客户端经由标准输入发送数据到一个CGI程序，同时携带其他数据，例如URL路径、HTTP头字段数据，被转化为进行的环境变量。
• Cookie：Web服务器常用cookie在客户端保存信息（多为用户名、登录名等信息）。从Web服务器检查Cookie，可以确认是否为同一对端的通信。