Apache HTTP Server 映射URL到文件系统

Posted 2020-09-03 zh1164

下面的文章翻译自Apache HTTP Server的官方文档 ： Mapping URLs to Filesystem Locations

本文解释了Apache HTTP Server如何应用请求的URL来决定获取文档的文件系统位置。

DocumentRoot

对于决定向一个请求响应什么内容，httpd的默认行为是取得请求的URL-Path（主机名和端口号后面的URL路径），然后把它加在配置文件中指定的DocumentRoot后面。因此，在DocumentRoot下面的文件和目录构成了web基本的文档树。

例如，如果DocumentRoot被设置为/var/www/html，那么请求 http://www.example.com/fish/guppies.html 将会获得/var/www/html/fish/guppies.html作为客户端响应。

如果请求的是一个目录（也就是 path以/结尾）, 那么响应的文件是由 DirectoryIndex 指令指定的。例如如果DocumentRoot按照上面的设置，然后设置

 DirectoryIndex index.html index.php

如果这些文件不存在，那么如果mod_autoindex模块被加载并且配置允许的话，就会尝试提供一个目录索引。

httpd还具有Virtual Hosting的能力，Virtual Hosting可以让httpd能够接受多个主机的请求。在这种情况下，可以为每一个虚拟主机指定一个DocumentRoot，mod_vhost_alias 模块提供的目录可以被用来根据请求的IP地址或者主机名动态决定提供文件的合适位置。

DocumentRoot指令可以被设置在主配置文件中（httpd.conf）,但是更有可能的是，为每一个虚拟主机指定一个 DocumentRoot。

DocumentRoot之外的文件

经常会有这样的情况：我们需要web来访问DocumentRoot之外的文件。httpd提供了几种方式来实现这个需求。在Unix系统中，软连接（symbolic links）可以用来将其他位置的文件放到DocumentRoot之内。 为了安全考虑，httpd只有在相关目录的Options设置中包含有FollowSymLinks 或者SymLinksIfOwnerMatch时才会允许访问软连接。

或者我们可以使用Alias指令来将文件系统中的任意位置映射到web空间中。 例如，设置

Alias "/docs" "/var/web"

那么请求http://www.example.com/docs/dir/file.html将会被响应 /var/web/dir/file.html。 ScriptAlias 指令能够起到同样的效果，只不过请求访问的到目标文件会被作为CGI脚本看待。

对于需要更大灵活性的情况，我们可以使用AliasMatch 和ScriptAliasMatch 指令来指定基于匹配和替换的强大的正则表达式。例如：

ScriptAliasMatch "^/~([a-zA-Z0-9]+)/cgi-bin/(.+)" "/home/$1/cgi-bin/$2"

将会将请求 http://example.com/~user/cgi-bin/script.cgi 映射到文件系统中的 /home/user/cgi-bin/script.cgi， 并把这个映射到的目标文件作为CGI脚本看待。

用户目录（user-dir）

在传统的Unix系统中，一个特定的用户的家目录可以使用~user/来访问。mod_userdir 模块将这个用法扩展到了web中来： 我们可以使用下面的这样的URL来访问位于每个用户家目录中的文件。

http://www.example.com/~user/file.html

基于安全考虑，从web中直接访问用户的家目录是不合适的。因此， UserDir指令可以指定一个位于用户家目录下面的目录，用来存放web文件。UserDir的默认值为public_html， 所以上面的URL将被映射到/home/user/public_html/file.html。其中/home/user是在/etc/passwd中指定的用户家目录。

对于/etc/passwd中不存在用户家目录路径的系统，我们可以使用其他几种形式的UserDir。

有些人认为在URL中使用~符号(经常会被url转码为%7e)是不合适，他们更喜欢使用另外一个字符串来代表用户家目录。mod_userdir模块并不支持这个功能。但是，如果用户的家目录是按照一个有规律的方式组织的话，那么使用AliasMatch 指令是可能达到期待的效果的。例如,为了将 http://www.example.com/upages/user/file.html映射到/home/user/public_html/file.html，可以使用下面的AliasMatch指令：

AliasMatch "^/upages/([a-zA-Z0-9]+)(/(.*))?$" "/home/$1/public_html/$3"

URL重定向

上面讨论的配置指令用来让httpd从文件系统中的特定位置获得文件来响应客户端。 但是有时，我们期待能够告诉客户端请求的内容位于另一个URL中，从而使得客户端可以发送一个新的对于这个URL的请求。这种机制被称为 重定向（redirection）， 可以使用Redirect 指令来实现。例如，如果DocumentRoot下的/foo/目录中的内容全部移到了另一个目录/bar/下面，你可以指示客户端重新发送一个请求来获取新目录下面的文件。

Redirect permanent "/foo/" "http://www.example.com/bar/"

上面的配置将会将以/foo/开头的URL-Path重定向到www.example.com下面的将/foo/替换为/bar/的相同路径上，例如 http://www.yousite.com/foo/fish/guppies.html 将会被重定向到 http://www.example.com/bar/fish/guppies.html。 就像上面的例子那样，我们可以将客户端重定向到任意的server，并不局限于原始的server。

httpd同样提供了RedirectMatch指令来应对更加复杂的重定向问题。例如，为了将站点的首页重定向到另一个站点，但是其他的访问并不重定向，可以使用下面的配置：

RedirectMatch permanent "^/$" "http://www.example.com/startpage.html"

或者，可以像下面这样将一个站点的所有页面全部重定向到另一个站点中：

RedirectMatch temp ".*" "http://othersite.example.com/startpage.html"

注释1： 上面两个配置中的 permanent 和 temp将会作用到客户端收到的重定向响应（301）的头信息中。

注释2： 下面将会讲到httpd的反向代理，在此我们首先需要明确重定向最重要的特性是： 服务端会主动让客户端接受到301 重定向响应，然后让客户端重新发起一个新的请求，也就是说客户端对于这个过程是了解的。而反向代理则正好相反，服务端会尽量将真实的资源来源（被代理服务器）隐藏起来，而让客户端感觉就像这些资源真的就来自于代理服务器一样。

反向代理（Reverse Proxy）

httpd同样允许我们将远程站点的文档放到本地站点的URL空间中。这种技术叫做反向代理（reverse proxying）。这是因为web服务器会像代理服务器那样从远程服务器中抓取文档并将它们响应到客户端。 但是它与普通代理（normal（forward） proxy）不同的是，反向代理会让这些远程文档看起来就像是来源自反向代理服务器自身中一样，换句话说也就是隐藏了这些文档的真实来源。

在下面的例子中，当客户端请求位于/foo/目录下面的文档时， 反向代理服务器会从internal.example.com的/bar/目录下面抓取文档并返回给客户端，对客户端来讲，这些文档就像是来自反向代理服务器一样。

ProxyPass "/foo/" "http://internal.example.com/bar/"
ProxyPassReverse "/foo/" "http://internal.example.com/bar/"
ProxyPassReverseCookieDomain internal.example.com public.example.com
ProxyPassReverseCookiePath "/foo/" "/bar/"

ProxyPass指令会让反向代理服务器去远程站点抓取文档（注释：实际上仅仅配置这个指令就可以达到最基本的代理）。
ProxyPassReverse 指令会让httpd调整在Location， Content-Location和URI 头信息中的URL，也就是将被代理站点发出的响应中的这三个头信息中的URL内容替换为反向代理站点。
ProxyPassReverseCookieDomain 调整set-cookie头信息中的domain内容。
ProxyPassReverseCookiePath 调整set-cookie头信息中的path内容。

非常值得注意的是： 在被代理的文档中的链接并不会被重写。所以任何绝对路径的链接最终还是会请求到被代理服务中去。更多相关的内容可以参考mod_substitute.和mod_proxy_html

注释： 说说我对正向代理的理解，比如我们无法直接访问外网，需要通过代理服务器来访问，那么客户端实际上会先将请求发送给代理，然后代理可能会再去访问请求中的目标，并将真实目标的响应回传到客户端，也可能利用自身的缓存（cache）直接响应给客户端。 无论哪种方式，客户端访问站点a，那么获得的响应文档也的确是来自站点a。我们在浏览器中配置的网络代理其实就是正向代理，如下图。 正向代理与反向代理的区别也就在这里：反向代理会隐藏文档的真正来源，而正向代理则不会。

 

 

重写引擎（Rewriting Engine）

当我们需要更加强大的映射规则时，由mod_rewrite提供的重写引擎（rewriting engine）将会很有用。这个模块提供的指令可以利用请求诸如浏览器类型或者IP地址等特性来决定响应何种内容。更进一步，mod_rewrite模块可以使用外部的数据库文件或者程序来决定如何处理一个请求。重写引擎（rewriting engine）有能力处理以上讨论的全部三种映射规则：内部重定向（aliases）、外部重定向和代理。更多实际的例子可以访问 mod_rewrite documentation