HTTP基本原理

Posted 2020-12-13 lc-snail

1.HTTP

HTTP协议（HyperText Transfer Protocol，超文本传输协议）是因特网上应用最为广泛的一种网络传输协议，所有的WWW文件都必须遵守这个标准。

通信过程

2.请求

请求，由客户端向服务端发可以分为4部分：请求方法（Request Method）请求的网址（Request URL）请求头(Request Headers) 请求体(Request Body )

（1）请求方法

方法	描述
GET	请求页面，并返回页面内容
HEAD	类似于 GET 请求， 只不过返回的响应中没有具体的内容，用于获取报头
POST	大多用于提交表单或上传文件，数据包含在请求体中
PUT	从客户端向服务器传送的数据取代指定文梢中的内容
DELETE	请求服务器删除指定的页面
CONNECT	把服务器当作跳板，让服务器代替客户端防问其他网页
OPTIONS	允许客户端查看服务器的性能
TRACE	回显服务器收到的请求，主要用于测试或诊断

（2）请求的网址

请求的网址即为统一资惊定位符 URL 。

（3）请求头

常见头部信息

名称	描述
Accept	请求报头域，用于指定客户端可接受哪些类型的信息
Accept-Language	指定客户端可接受的语言类型
Accept-Encoding	指定客户端可接受的内容编码
Host	请求的目标
Cookie	这是网站为了辨别用户进行会话跟踪而存储在用户本地的数据。 它的主要功能是维持当前访问会话。
Referer	此内容用来标识这个请求是从哪个页面发过来的
User-Agent	可以使服务器识别客户使用的操作系统及版本、 浏览器及版本等信息。
Content-Type	也叫互联网媒体类型（ Internet Media Type ）或者 MIME 类型，在 HTTP 协议 消息头中，它用来表示具体请求中的媒体类型信息。

Content-type对照表

（4）请求体

请求体一般承载的内容是 POST 请求中的表单数据，而对于 GET 请求，请求体则为空。

Content-Type 和 POST 提交数据方式的关系

Content-Type	提交数据的方式
application/x-www-forrn-urlencoded	表单数据
multi part/form-data	表单文件上传
application/json	序列化 JSON 数据
text/xml	XML 数据

注释：

在爬虫中，如果要构造 POST 请求，需要使用正确的 Content-Type ，并了解各种请求库的各个参
数设置时使用的是哪种 Content-Type ， 不然可能会导致 POST 提交后无法正常响应。

3.响应

响应，由服务端返回给客户端，可以分为三部分：响应状态码（ Response Status Code ）、响应头
( Response Headers ）和响应体（ Response Body ）。

（1）响应状态码

响应状态码表示服务器的响应状态。

常见状态码

状态码	说明	详情
100	继续	请求者应当继续提出请求。 服务器已收到请求的一部分，正在等待其余部分
101	切换协议	请求者已要求服务器切换协议，服务器已确认并准备切换
200	成功	服务然已成功处理了请求
201	已创建	请求成功并且服务器创建了新的资源
202	已接受	服务然已接受请求，但尚未处理
203	非授权信息	服务器已成功处理了请求，但返回的信息可能来自另一个源
204	无内容	服务器成功处理了请求， 但没有返回任何内容
205	重置内容	服务器成功处理了请求，内容被重置
206	部分内容	服务器成功处理了部分请求
300	多种选择	针对请求，服务器可执行多种操作
301	永久移动	请求的网页已永久移动到新位置，即永久重定向
302	临时移动	请求的网页暂时跳转到其他页面，即暂时重定向
303	查看其他位置	如果原来的请求是 POST ， 重定向目标文档应该通过 GET 提取
304	未修改	此次请求返回的网页未修改， 继续使用上次的资源
305	使用代理	请求者应该使用代理访问该网页
307	临时重定向	请求的资源临时从其他位置l响应
400	错误谙求	服务器无法解析该请求
401	米授权	请求没有进行身份验证或验证未通过
403	禁止访问	服务将拒绝此请求
404	未找到	服务器找不到请求的网页
405	方法禁用	服务器禁用了请求中指定的方法
406	不接受	无法使用请求的内容响应请求的网页
407	需要代理搜权	请求者需要使用代理授权
408	请求超时	服务器请求超时
409	冲突	服务器在完成请求时发生冲突
410	已删除	请求的资源已永久删除
411	需要有效长度	服务器不接受不含有效内容长度标头字段的请求
412	未满足前提条件	服务器未满足请求者在请求中设置的其中一个前提条件
413	请求实体过大	请求实体过大，超出服务器的处理能力
414	请求 URI 过长	请求网址过长，服务器无法处理
415	不支持类型	请求格式不被请求页面支持
416	请求范围不符	页面无法提供请求的范围
417	未满足期望值	服务器未满足期望请求标头字段的要求
500	服务器内部错误	服务器遇到到错误，无法完成请求
501	未实现	服务器不具备完成请求的功能
502	错误网关	服务器作为网关或代理， 从上游服务然收到元效响应
503	服务不可用	服务器目前无法使用
504	网关超时	服务器作为网关或代理，但是没有及时从上游服务器收到请求
505	HTTP 版本不支持	服务器不支持请求中所用的 HTTP 协议版本

（2）响应头

常见响应头不信息

名称	描述
Date	标识响应产生的时间
Last_Modified	指定资源的最后修改时间
Content_Encoding	指定响应内容的编码
Server	包含服务器的信息，比如名称、版本号等
Content_Type	文档类型，指定返回的数据类型是什么
Set_Cookie	设置 Cookies ， 响应头中的 Set- Cooki e 告诉浏览器需要将此内容放在 Cookies中 下次请求携带 Cookies 请求。
Expires	指定响应的过期时间， 可以使代理服务器或浏览器将加载的内容更新到缓存巾。 如果再次访问时，就可以直接从缓存中加载， 降低服务器负载，缩短加载时间。

（3）响应体

响应的正文数据都在响应体中，比如请求网页时，它的响应体就是网页的 html 代码； 请求一张图片时， 它的响应体就是图片的二进制数据。
参考来源 ：Python 3网络爬虫开发实战 [ 崔庆才著 ]