PHP网络技术（一）——HTTP协议
PHP网络技术（一）——HTTP协议
（原创内容，转载请注明来源，谢谢）
一、概述
HTTP协议是一个基于应用层的通信规范，通信双方都遵守此协议。RFC2016定义了现在普遍使用的HTTP1.1版本。HTTP是应用层协议，由请求和相应构成，是一个标准的客户端服务器模，通常承载于TCP之上，默认端口号80。HTTPS协议除在TCP之上，还在TLS、SSL之上，默认端口号443。层级结构如下图所示。
HTTP协议下的客户端和服务器属于问答式交互，客户端发请求服务端响应，但是服务端不会主动发请求，而且TCP经常不断的连接和断开，交互效率不高。因此，Google退出SPDY协议，优化浏览器和服务器的通信，支持流复用、主动发请求等。
二、HTTP协议工作
1、工作概述
浏览器发一个请求（request）给服务器，服务器收到请求并处理完毕后，生成一个响应（response）给客户端。一般分为四个步骤。
1）客户端与服务器建立连接。例如输入一个URL，HTTP协议开始工作。
2）连接建立后，客户端发送一个请求给服务器，格式包括URL、协议版本、请求修饰符等。
3）服务器接收到请求后，处理完毕后，进行相应，格式包括状态行（协议版本号以及状态码）、服务器信息、实体信息。
4）客户端接收后展示在屏幕上，并与服务器断开连接。
2、请求
发送请求前，要建立连接，并且请求和响应都有带上connection头，决定出现长链接时该如何处理。如果不想长链接，应该在connection的值设置为close。
HTTP请求分为三部分：请求行、消息报头、请求正文。格式如下：
Method Request-URI HTTP-Version CRLF
上述四个词分别为：请求方法、请求URL、请求的HTTP协议版本、回车换行。
请求方法有很多种，最常用的有GET、POST。
3、响应
HTTP响应也由三个部分组成，分别是：状态行、消息报头、响应正文。格式如下：
HTTP-Version Status-Code Reason-PhraseCRLF
上述前三个词分别为：服务器HTTP协议版本、状态码、状态码的文本描述。
状态码是一个三位数字，第一个数字定义了响应的类别，共有五种类别：
1）1xx：指示信息——请求已经接受，继续处理。
2）2xx：成功——请求成功接收、理解、接受。
3）3xx：重定向——要完成请求必须进行更进一步的操作，常被包含在定位头信息中指定新的地址信息。
4）4xx：客户端错误——请求有语法错误或者请求无法实现。
5）5xx：服务端错误——服务器未能实现合法请求。
常见的状态码如下：200 OK-请求成功。301redirect：永久性转移(Permanently Moved)，302 redirect：暂时性转移(Temporarily Moved )，401 Unauthorized：未授权，403 Forbidden：禁止，404 NotFound：找不到页面，501 Not Implemented：服务器不支持当前请求所需要的某个功能，502 Bad Gateway：作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。
通常，作为服务端编程人员，看到报5xx错误，必须马上处理，因为这类错误说明服务端业务逻辑存在问题或者出现bug。
注：301和302的区别：
301，302对用户来说没有区别，他们看到效果只是一个跳转，浏览器中旧的URL变成了新的URL。页面跳到了这个新的url指向的地方。
但是302转向可能会有URL规范化及网址劫持的问题。可能被搜索引擎判为可疑转向，甚至认为是作弊。因为302是临时重定向，从网址A做一个302重定向到网址B时，主机服务器的隐含意思是网址A随时有可能改主意，重新显示本身的内容或转向其他的地方。
网站劫持的含义：搜索引擎在遇到302重定向时会进行判断，如果网址A较短而且人性化，而网址B很长而且还带有一堆参数，有可能网页跳转到网址B，但是浏览器还显示的是网址A，这样做网址B的人的内容就被网址A给劫持了。
而当网页A用301重定向转到网页B时，搜索引擎可以肯定网页A永久的改变位置，或者说实际上不存在了，搜索引擎就会把网页B当作唯一有效目标。
在nginx上，配置页面跳转，在server下，对于rewrite命令，301是用permanent，302是用redirect。
4、报头
HTTP报头包括普通报头、请求报头、响应报头、实体报头。报头不区分大小写。每个报头的格式：
名字+:+空格+值
主要有如下几个报头：
1）Host
Host指定请求资源的Internet主机和端口号，必须请求URL的原始服务器或网关地址，否则会收到400的状态码。
2）User-Agent
简称UA，内容包含客户端的信息，主要包括浏览器信息、操作系统信息、浏览器与操作系统内核等。UA头是辨别用户客户端设备的重要依据。
常见UA头：
搜狗浏览器-windows 7 X86：Mozilla/5.0(Windows NT 6.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84Safari/535.11 SE 2.X MetaSr 1.0
火狐-windows X64：Mozilla/5.0(Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre
3）Accept
该字段告诉服务器可以接受的文件格式。通常各浏览器该值都差不多，主要包括test/html,application/xhtml+xml,application/xml等。
4）Cookie
Cookie分两种，一种是浏览器发出的报头，用来标记信息，字段为Cookie；一种是服务器发送的报头，字段为Set-Cookie。区别客户端里可以有多个Cookie值，服务器只能有一个值。具体Cookie与Session的问题，后面的章节再提。
5）Cache-Control
指定请求和响应遵循的缓存机制。好的缓存机制可以减少对网络带宽的占用，可以提高访问速度，提高用户的体验，还可以减轻服务器的负担。HTTP缓存指我们用浏览器访问网站时，根据服务器返回的HTTP缓存响应头设置，缓存相应的数据，下次访问就可以直接使用，或者去服务器验证数据是否过期。这样可以大大减轻宽带压力，加快网页加载速度。
Cache-Control分为请求和响应，包含的内容不一样。
请求的主要设置有no-cache（不要读缓存文件）、no-store（请求和响应都禁止缓存）、max-age（设置缓存持续时间，以秒为单位）、only-if-cached（如果有缓存就读缓存，没有过期时间）等。
响应的主要设置有public（数据内容皆被储存起来，安全性低）、private（数据内容被存到私有的缓存，特定用户看的到）、no-cache（可以缓存，但是只有在跟WEB服务器验证了其有效后，才能返回给客户端）、no-store（请求和响应都禁止缓存）、max-age（本次响应过期的时间，以秒为单位）等。
另外，Expires属性和Cache-Control的max-age属性类似，但是Expires和特定的日期做比较，如果缓存者自身时间不准确，影响比较大；而max-age是以当前时间开始计数，比较准确。max-age的优先级也比Expires大。
Nginx的ngx_http_headers_module模块可以对Cache-Control头相关的东西进行配置，配置方式：if(url){add_header Cache-Control max-age=3600;}，其中url为正则表达式匹配的url值。
6）Referer
HTTP Referer是header的一部分，当浏览器向web服务器发送请求的时候，一般会带上Referer，告诉服务器我是从哪个页面链接过来的，服务器籍此可以获得一些信息用于处理。
头域允许客户端指定请求URI的源资源地址。Referer可以记录访问的来源，统计访问量，可以用来防盗链。但是该数据不安全，虽然客户端用js不能篡改Referer，但是用一些插件什么的可以达到伪造的目的。另外可以使用Fiddler修改Referer。
PHP曾经有过自带的获取Referer的函数$_SERVER['HTTP_REFERER']，现在已经被删除，也不建议这样使用，因为这样获取到的内容很有可能是伪造的。
7）Content-Length
该字段表示内容的长度。
8）Content-Range
该字段表示响应的资源范围，即断点续传，从文件已经下载的地方开始继续下载。在以前版本的 HTTP 协议是不支持断点的，HTTP/1.1 开始就支持了。一般断点下载时才用到 Range 和 Content-Range 实体头。
9）Accept-Encoding
指定所能接受的编码方式，通常服务器会对页面进行压缩后再传输，以减少流量。
——written by linhxx 2017.07.15