4.5 请求Web网站的文件（HTTP） · 波仔的计算机网络课

📄 一句话概括

HTTP（HyperText Transfer Protocol，超文本传输协议）就是浏览器和 Web 服务器之间的对话规矩：一问一答。浏览器递上一张请求报文（三部分：起始行 / 头部 / 正文），服务器回一张响应报文（结构一样，起始行换成状态行）。两张纸的规矩完全相同：头部一行一个"名字: 值"，然后一个空行，之后才是正文。这场对话有三条脾气要记住：服务器永远不主动开口；服务器不记得你是谁（这就是"无状态"，也解释了为什么需要 Cookie）；而响应开头那三位数字（状态码），是全世界排障最快的暗号——看第一位就知道该怪谁。

📝 本节和前面几节的分工

4.1 看见的是"网站由四件套构成、门房守着 80/443"；4.2 与 4.3 拆开了"内容文件"本身；4.4 把地址讲透，并且在结尾留下了一个悬念——URL 的六段里，只有"路径 + 查询串"装进请求行发出去。

本节就从那行请求行往下写：它后面还跟着什么、服务器怎么回、那些字头各自管什么、状态码怎么看。

一、HTTP 是什么

HTTP = HyperText Transfer Protocol = 超文本传输协议。 逐词拆：

词	意思	说人话
HyperText（超文本）	带链接的文本	就是 4.2 那个 HTML——能点着跳来跳去的文本
Transfer（传输）	搬运	把网页从服务器搬到浏览器
Protocol（协议）	规矩	双方约定好的说话格式（收 1.6"协议＝通信语言"）

📝 HTTP 只管"说什么"，不管"怎么送到"

它在应用层（收 1.6 的四层地图）。脚下踩着两双鞋： - TCP 负责可靠地把字节送到（收 3.18：分段、编号、丢了重发） - IP 负责找路（收 3.7）

所以 HTTP 自己完全不用担心"路上会不会丢"——它只负责把规矩写好。这就是 1.6 "分层"最实际的好处：每层只管自己那件事。

⚠️ HTTP 不是"浏览器专用"，也不等于"网页"

curl 在用它、手机 App 在用它、后台服务之间也在用它；传的不只是网页，还有 图片、JSON 数据、上传的文件。

判断依据是内容里写明了是什么（Content-Type），而不是"它长得像不像网页"。

版本简史（知道差别就够）：

版本	关键变化	解决什么
HTTP/1.0	一问一答，问完就断线	最早的规矩
HTTP/1.1	持久连接（一条连接上问好几轮）+ 必须带 `Host` 头	不用为每个文件重新握手；一台服务器能挂多个网站
HTTP/2	一条连接上并行跑多路 + 头部压缩	页面资源多时更快
HTTP/3	改跑在 UDP 上（收 3.20）	弱网下更抗丢包

💡 顺手回答 4.1 留下的问题

网页要几十上百次请求，为什么还不太慢？因为 HTTP/1.1 的持久连接——那几十次都跑在同一条已经建好的连接上，不必每个文件都重新握手。

二、一问一答：请求报文

浏览器发出去的那张纸，只有三部分（配图一左）：

① 起始行（请求行）——一行讲完全部要点：

GET /index.html HTTP/1.1
 │        │          └── 用哪个版本的规矩说话
 │        └───────────── 要的东西（只有路径，没有域名！）
 └────────────────────── 方法：我要做什么

方法：GET（把东西给我）/ POST（带着数据去提交）/ HEAD（只要头部、不要正文）/ 还有 PUT、DELETE、OPTIONS
为什么没有域名？ 因为域名已经在 4.4 说的那个 Host 头里了，不然一台服务器上挂的几个网站分不清你在找谁（收 4.1）

② 头部字段——一行一个「名字: 值」，是这场对话里所有"附加说明"的家：

请求头	说的是什么	说人话
`Host`	要哪个站	HTTP/1.1 必须带，一台服务器多网站全靠它分流
`User-Agent`	我是谁	浏览器类型与版本，网站靠它做兼容
`Accept` / `Accept-Language`	我能看懂什么、要哪种语言	会不会给你中文页，看它
`Referer`	我从哪个页面点过来的	统计来源（也涉及隐私）
`Cookie`	我的身份凭证	下一节的主角
`Connection`	这条连接怎么用（如 `keep-alive`）	别问完就断，留着继续用

③ 空行 + 正文——那个空行是硬规定，服务器靠它知道"头部到此为止"。

GET 请求通常没有正文（你要的是东西，没东西要递）
POST 请求有正文：表单里填的内容、上传的文件，都在这里

三、一问一答：响应报文

服务器回的那张纸，结构一模一样，只是把第一行换了名字（配图一右）：

① 状态行：HTTP/1.1 200 OK —— 版本 + 三位数字 + 一句人话

② 响应头——这里的几个关键角色：

响应头	说的是什么	为什么重要
`Content-Type`	正文是什么内容	浏览器靠它决定怎么显示——是网页、图片还是 JSON。⚠️ 不是靠文件后缀（4.2 说过的"后缀无所谓"就是这个道理）
`Content-Length`	正文多少字节	对面知道该收多少才停（收 3.18 分段与长度）
`Cache-Control` / `ETag` / `Last-Modified`	这份东西能缓存多久、怎么判断有没有变	决定你下次打开快不快（收 3.21 缓存的老思路）
`Set-Cookie`	给你一张身份证	下一节的引子
`Server`	门房是谁（nginx / Apache / IIS）	4.1 里 `curl -I` 认门房看的就是它

③ 空行 + 正文：正文就是你要的东西本身——HTML 文本、图片的二进制、JSON 数据……这才轮到浏览器去看内容。

📝 头部是"给程序看的"，正文才是"给人看的"

一张报文里，头部字段全是给浏览器、缓存、代理这些程序读的"说明标签"；正文才是最终呈现在你眼前的东西。

这也是一句老话的来源："东西明明下载下来了，打不开是因为类型不对"——正文拿到了，但 Content-Type 说不认识。

四、状态码：三位数字里的一整套语言

状态行的第一个重点就是那三位数字。第一位就决定了它属于哪一族（配图二），剩下的两位是族内的具体编号。

族	含义	谁的问题	你该干什么
1xx	信息，还在处理	都不是	极少见，不用管
2xx	成功	都不是	正常
3xx	重定向，去新地址	都不是	浏览器会自动跟着跳
4xx	客户端出错	你这边的请求有问题	先查自己：地址写错？没登录？没权限？
5xx	服务器出错	服务器那边有问题	你改也没用，等一等或找运维

最常撞见的几个，逐个认脸：

200 OK：一切正常。但注意，200 只代表"请求被正确处理了"，不代表内容是你要的——404 页面本身也可以配成返回 200。
301 永久搬家 / 302 临时搬家：301 会让浏览器记住新地址，下次直接去新家；302 只是"这次先这样，下次还得问"。4.4 里"末尾斜杠被区别对待"、example.com 跳 www.example.com，走的就是这类跳转。
304 Not Modified：不是错误。意思是"你手里那份还能用，别下了"。这是缓存机制的省流量担当——浏览器把上次的副本和标记（ETag / Last-Modified）一起问，服务器一看没变，就只回一个 304，正文都不发（收 3.21 缓存）。
404 Not Found：东西不在。多半是地址写错、或者资源被删了。
403 没权限 / 401 没登录：401 是"你得先证明身份"，403 是"身份我知道了，但你不许进"。
500 内部错误 / 503 忙不过来：服务器自己出问题。这类常常是暂时的，所以"刷新一下"经常真有用。

💡 排障第一句口诀

4 开头先查自己，5 开头先问服务器。

这一条能省下大量"是不是我网络坏了"的无效怀疑。

五、HTTP 是"无状态"的

这是 HTTP 最重要的性格：每一个请求都是独立的一张纸，服务器不会记得上一个请求。

📝 为什么故意这么设计

因为它简单、好扩展：任何一台服务器收到任何一个请求，只看这张纸就能干活，不需要"知道之前发生过什么"。

这样一来，一台忙不过来可以再加一台（收 1.7 的弹性伸缩），你这次请求打到哪台机器上都一样。

代价也很具体：登录、购物车、多步表单这些"要记住"的事，HTTP 本身做不到。于是有了补丁——Cookie：

第一次你去，服务器在响应头 Set-Cookie 里塞给你一张小纸条
之后每次请求，浏览器在请求头 Cookie 里自动带上这张纸条
服务器一看纸条：哦，是老熟人

一张纸条把"无状态"的对话接成了"有记忆"的对话。这就是为什么清掉 Cookie 之后，很多网站会把你当成陌生人。

六、一次页面加载，其实是好几轮对话

把 4.1 的账本和本节合起来看：一次打开网页 = 几十上百次请求 = 几十上百轮一问一答，每一轮都各自有一对完整的报文。

顺序也很讲究（收 4.2）：

先要 HTML（1 次）
浏览器边读边发现："还要一个 CSS、两个 JS、三张图"
于是再各要一次（每个都是一轮完整的请求-响应）

所以"页面一点点长出来"其实很直观：HTML 先到，其余的东西一轮一轮补进来。

七、动手 Demo（Demo42）

目标：把 F12 里那一堆"标头"，和本节图一的三段结构对上号。

第 1 步 · 用 curl -v 看报纸原件（最直观的一步）

curl -v https://example.com

找两批行：> 开头的是你发出去的请求、< 开头的是服务器回的响应。对照图一，一行一行认。

第 2 步 · 只要头部：curl -I

curl -I https://example.com

这就是 HEAD 方法（只取头部不要正文），输出里能看到 Server（认门房）、Content-Type（是什么内容）、Cache-Control（能缓存多久）。

第 3 步 · 在 F12 里对上图一的左右两半 F12 → 网络 → 随便点一条请求 → 「标头」里分成请求标头和响应标头两堆。把图一那两个面板摆在旁边对，一次就记住了。

第 4 步 · 亲手改一次方法

curl -X POST -d "name=bozai" https://httpbin.org/post

看回显里 "form" 那一栏——你 POST 的正文被服务器读出来了。这也证明：GET 要东西、POST 递东西。

第 5 步 · 故意撞 404 和 301 - 访问一个不存在的路径（如 curl -I https://example.com/nope）→ 看状态行变成 404 - 用 curl -I http://example.com（不带 www）→ 常能看到 301 和一个 Location: 头——这就是"搬家了去新地址"的实物

第 6 步 · 抓一次 304（缓存在干活） 刷新页面，然后再刷新一次，在网络面板里看静态资源那条：状态会变成 304 或"来自缓存"，大小几乎为 0。 这就是"第二次打开更快"的机制（收 3.21 缓存）。

第 7 步 · 看 Cookie 一进一出 F12 → 应用 → Cookie 里看有哪些；再回网络面板，找响应头里的 Set-Cookie 和请求头里的 Cookie——一张纸条怎么发出去、怎么带回来，全在眼前。

第 8 步 · 用 4.2 那个门房日志再品一次

python -m http.server 8000

刷新页面，看窗口里一行行刷出来的记录——每刷一行，就是一轮刚刚完成的 HTTP 对话。

八、30 秒实验

30 秒：curl -v https://example.com 之后，数一数 > 有几行、< 有几行——图一是示意，这才是真货。
30 秒：curl -I https://example.com/不存在的页面，看状态行从 200 变成 404。
30 秒：在 F12 里随便点一条请求，只看 Content-Type——是 text/html、image/png 还是 application/json？看三个你就明白"内容类型"这回事了。

九、常见误区

"HTTP 就是浏览器用的、就是网页。" —— 它是通用的对话规矩，curl、App、后台服务都在用；传的也不只是网页。
"请求行里怎么没有域名？是不是我看漏了。" —— 域名在 Host 头里（收 4.4）。请求行只有方法 + 路径 + 版本。
"404 就是网站挂了。" —— 404 是东西不在（多半地址写错）。网站挂了更像 5xx 或干脆连不上。
"返回 200 就说明没问题。" —— 200 只说"请求被正确处理了"。内容对不对，还得看正文。
"文件类型看后缀不就行了。" —— 浏览器看的是响应头 Content-Type，不是后缀（4.2 已埋过这条）。
"一次请求就是一个页面。" —— 一次页面加载是几十上百轮对话（收 4.1）。
"HTTP 记得我上次来过。" —— 无状态。记得你的是 Cookie，不是 HTTP。
"304 是个错误。" —— 304 是好消息：你手里的缓存还能用，省下一次下载。
"头部字段随便写、不写也无所谓。" —— HTTP/1.1 里 Host 必须带，Content-Type 不带浏览器就可能不认。
"HTTPS 是另一套协议，报文结构不一样。" —— HTTPS 就是 HTTP 外面套了一层加密，报文内容一点没变（4.4 说过：那是"穿不穿衣服"的区别）。

十、动手自测

❓ 自测一下

HTTP 三个字母是什么？它在哪一层？下面踩着谁？
请求报文和响应报文各由哪几部分组成？那个"空行"是干什么用的？
请求行里有哪三样东西？为什么没有域名？
GET 和 POST 最本质的区别是什么？
哪个响应头决定浏览器把正文当网页还是当图片？它和后缀是什么关系？
状态码有哪五族？各是谁的问题？
301 和 302 差在哪？304 又是什么？
"HTTP 是无状态的"是什么意思？那登录状态靠什么维持？
一次页面加载为什么是"几十上百轮对话"？这些对话是怎么排队的？
HTTPS 和 HTTP 的报文结构一样吗？区别在哪？

答案： ① HyperText Transfer Protocol（超文本传输协议），在应用层；下面踩着 TCP（可靠送到）和 IP（找路）——所以 HTTP 自己不管会不会丢。 ② 都是三部分：起始行 + 头部字段 + 空行 + 正文（响应报文的起始行叫状态行）。空行是硬规定，用来告诉对方"头部到此为止，后面是正文"。 ③ 方法 + 路径 + 版本（如 GET /index.html HTTP/1.1）。没有域名，因为域名在 Host 头里——一台服务器挂多个网站，得靠它分流（收 4.4）。 ④ GET 是"把东西给我"（要），POST 是"带着数据去提交"（给）。所以 GET 一般没有正文，POST 有正文。 ⑤ Content-Type。浏览器只看它，跟文件后缀无关（4.2 那条"后缀无所谓"就是从这来的）。 ⑥ 1xx 信息 / 2xx 成功 / 3xx 重定向 / 4xx 客户端出错 / 5xx 服务器出错；4 开头先查自己，5 开头先问服务器。 ⑦ 301 永久搬家（浏览器会记住新地址，下次直接去）、302 临时（每次都还得问一下）；304 不是错误，是"你手里那份还能用，别下了"——缓存在省的流量。 ⑧ 意思是每个请求都是独立的一张纸，服务器不记得上一个请求（换来的是简单、好扩展、能随意加机器）。登录状态靠 Cookie：服务器用 Set-Cookie 发一张纸条，浏览器之后每次请求都自动带回去。 ⑨ 因为每个 CSS、JS、图片都要各要一次（收 4.2），而且先拿到 HTML 才知道还要什么——所以只能一轮一轮来。它们大多跑在同一条持久连接上（HTTP/1.1 的功劳），所以还不太慢。 ⑩ 完全一样。HTTPS 只是把整条 HTTP 报文套进加密通道里（4.4 说的"穿不穿衣服"），报文的三段结构、头部、状态码都没变。

十一、下一步学什么

☑ 传输Web网站的文件（HTTP响应） —— 本节把“一次对话”讲完了（并留下两处尾巴：Cookie 那张纸条、网页里那些"动起来"的部分）。这就换个位置，站到服务器那一侧看它把文件装进响应前要做的功课：定类型、定长度、压不压、给不给整份、附不附版本标记——顺带把"304 是怎么发生的"这笔账彻底结清。