乐趣区

关于python:HTTP一实现一个最简单的基于http协议的web服务器基于python

jiezi

这篇文章的最后起源是《计算机网络：自顶向下》的第 7 版的第 2 章（应用层）开端，套接字编程作业第一题试验题。通过这个试验作业，学习 Python 中 TCP 连贯的套接字编程基础知识：如何创立一个套接字，将其绑定到特定的地址和端口，以及发送和接管 HTTP 数据包。同时也学习一些 HTTP 报文格式的基础知识。

指标：开发一个一次解决一个 HTTP 申请的 Web 服务器。这个 Web 服务器应该承受并解析 HTTP 申请，从服务器的文件系统中获取申请的文件，创立一个 HTTP 响应音讯，该音讯由申请的文件和题目行组成，而后将响应间接发送到客户端。如果服务器中不存在申请的文件，则服务器应将 HTTP“404 Not Found”音讯发送回客户端。

一、回顾 http 协定

HTTP（超文本传输协定）是在 TCP/IP 协定族中的一种应用层协定，除了 HTTP 以外，预存在 TCP/IP 协定族中的应用层协定还包含出名的 FTP（用于文件传输服务），SMTP（简略邮件传输协定，其余的邮件协定还有 POP3），DNS（域名解析零碎）等等。

准备常识：URI 对立资源定位符

须要意识 URI 这个货色，uniform resource identification（和 URL 差不多，然而比 URL 更加具体，因为它定义了每一个网络资源单位的相对地址门路）。HTTP 协定应用 URI 定位互联网上的资源。


这就是一个 URI 的格局示意图（图自《图解 HTTP》）【留神：URI 不辨别大小写】，上面是几个不同协定的 URI 的示例：

ftp://ftp.is.co.za/rfc/rfc1808.txt
http://www.ietf.org/rfc/rfc23…
ldap://[2001:db8::7]/c=GB?objectClass?one
mailto:John.Doe@example.com
news:comp.infosystems.www.servers.unix
tel:+1-816-555-1212
telnet://192.0.2.16:80/
urn:oasis:names:specification:docbook:dtd:xml:4.1.2

接下来讲述 HTTP 的报文构造

HTTP 用于客户端与服务端的通信，通过申请和响应的替换达成通信。具体过程为：由客户端发动申请，服务器接管到，而后回复响应报文。

申请报文

书上的两个 http 申请报文的例子：

第 1 局部（第 1 行），申请行(request line)：包含字段：办法、URI 和协定版本

  • 办法取值：根底的有 5 个，POST GET HEAD PUT DELETE【留神辨别大小写！须要用大写字母】

    【辨析 GET 与 POST】简略讲讲 GET 和 POST 的区别：GET 和 POST 都可能获取网络资源，GET 是间接申请获取页面，POST 是提交表单让服务器返回后果资源。概念上，大略辨别上面几点即可（不做 web 开发的话）。
    （1）GET 把参数蕴含在 URL 中，POST 通过 request body 传递参数。相对而言，GET 比 POST 更不平安，因为参数间接裸露在 URL 上，然而因为都是 http 没加密，所以实质上都不平安。
    （2）GET 在浏览器回退时是有害的，而 POST 会再次提交申请。
    （3）GET 申请参数会被残缺保留在浏览器历史记录里，而 POST 中的参数不会被保留。
    （4）GET 产生一个 TCP 数据包；POST 产生两个 TCP 数据包。对于 POST，浏览器先发送 header，服务器响应 100 continue，浏览器再发送 data，服务器响应 200 ok（返回数据）。对于 GET 形式的申请，浏览器会把 http header 和 data 一并发送进来，服务器响应 200（返回数据）。(并不是所有浏览器都会在 POST 中发送两次包，Firefox 就只发送一次)
    （5）它们其实有时候能够混用，实质上都是通过 TCP 封装
    【PUT 和 DELETE 办法】HTTP/1.1 的 PUT 和 DELETE 办法本身不带验证机制，任何人都能够上传或删除文件 , 存在安全性问题，因而个别的 Web 网站不应用该办法。
  • URI: 上文曾经给出了定义
    1）如果不是拜访特定资源而是对服务器自身发动申请，能够用一个 * 来代替申请 URI
    2）能够应用残缺的域名 + 服务器门路作为 URI，也能够把域名填在首部行的 Host 字段

* 协定版本
例子中都是 HTTP/1.1
【阐明：历史上的 HTTP 版本：（1）HTTP/0.9：HTTP 于 1990 年问世。那时的 HTTP 并没有作为正式的规范被建设。含有 HTTP1.0 之前版本的意思，因而被称为 HTTP/0.9。（2）HTTP/1.0：HTTP 正式作为规范被颁布是在 1996 年 5 月，版本被命名为 HTTP/1.0，并记录于 RFC1945 1。虽说是初期规范，但该协定规范至今仍被宽泛应用在服务器端。（3）HTTP/1.1：1997 年 1 月颁布的 HTTP/1.1 是目前支流的 HTTP 协定版本。当初的规范是 RFC2068，之后公布的修订版 RFC2616 就是以后的最新版本 2（4）HTTP/2.0 协定的次要目标是进步网页性能，目前尚未宽泛应用】

第 2 局部（第 2~K 行），首部行（header line）蕴含字段：各种首部字段（分为三类申请首部，通用首部和实体首部），每个首部字段别离占一行，格局为：首部字段名 + 空格 + 值 +CRLF（换行符）。上面是首部格局的示意图：

第 3 局部 空行 间接一个 CRLF

第 4 局部 实体体（entity body）
GET 办法时，实体体为空。POST 办法时候才应用（将这些内容提交下来）。HEAD 办法也为空，因为这个个别用于调试追踪（响应不返回申请的内容，只返回首部）。

总结
以上 4 局部合起来，形成一个申请报文，格局如下：

响应报文

仍旧是从一个例子开始，

能够看到，响应报文由状态行，首部行，空行和实体体形成

  • 状态行：包含 协定版本 状态码 状态码起因短语
    协定版本：例如 HTTP/1.0
    状态码：仅记录在 RFC2616 上的 HTTP 状态码就达 40 种，加上其余的就更多。

    然而只有记住 14 种就能够：
    200 OK
    204 no content 没有理论内容，申请已胜利解决，但在返回的响应报文中不含实体的主体局部
    206 Partial Content 客户端收回的是获取资源的局部范畴申请，Content-Range 指定
    301 Moved Permanently 申请的资源已被调配了新的 URI
    302 Found 该状态码示意申请的资源已被调配了新的 URI，心愿用户（本次）能应用新的 URI 拜访
    303 See Other 因为申请对应的资源存在着另一个 URI，应应用 GET 办法定向获取申请的资源
    304 Not Modified 客户端发送的是附带条件的申请，服务器端容许申请拜访资源，但没有满足条件的状况。附带条件的申请是指采纳 GET 办法的申请报文中蕴含 If-Match，If-ModifiedSince，If-None-Match，If-Range，If-Unmodified-Since 中任一首部。
    307 Temporary Redirect 长期重定向 和 302 差不多
    400 Bad Request 申请报文有语法错误
    401 Unauthorized 发送的申请须要有通过 HTTP 认证（BASIC 认证、DIGEST 认证）的认证信息
    403 Forbidden 服务器回绝拜访资源，服务器能够不阐明起因，如要阐明起因则填写在响应报文的实体体，个别可能是例如文件权限，从未受权的发送源 IP 地址试图拜访等起因
    404 Not Found 找不到或者服务器不想通知你他有这个资源
    500 Internal Server Error 服务器外部故障
    503 Service Unavailable 服务器超负荷或者停机保护，当初无奈解决申请。
  • 首部行：这里次要钻研的是合乎 HTTP/1.1 的标准的首部字段

    响应报文的首部行和申请报文的差不多，只是字段 不再有申请报文字段而是改为响应报文字段
  • 空行和实体体
  • 总结

申请报文和响应报文的首部行

下面提到了，这两种报文的首部行有很多字段，能够分为四类 通用首部字段，实体首部字段，申请首部字段（申请报文），响应首部字段（响应报文）
接下来给出具体定义：

通用首部字段

申请首部字段

响应首部字段

实体首部字段

更具体的解释以及它们的用法须要再去查看 RFC 文档或者相干书籍

二、实现一个搭建 web 服务器的简略实例（python）

http 是基于 tcp 连贯的，因而首先要把握一下 python 中 tcp 通信的根本接口用法。

服务端 socket 通信

  1. 导包
    from socket import *
  2. 创立一个 socket：
    serverSocket = socket(AF_INET, SOCK_STREAM)
  3. 绑定本地端口
    serverSocket.bind("127.0.0.1", 80)
  4. 设置监听，操作系统能够挂起的最大连贯数量设置为 5
    serverSocket.listen(5)
  5. 监听期待一个内部进来的连贯，返回一个新的 socket 示意这个连贯，以及提取出客户端的地址
    connectionSocket, addr = serverSocket.accept()
  6. 一旦连贯胜利，则从客户端处获取数据
    message = connectionSocket.recv(1024)

筹备一个简略的 html 文件
例如我筹备的 hello.html 如下

<!DOCTYPE html>
<html>

<head>
<meta charset="UTF-8">
<title>Insert title here</title>
</head>

<body>
    你好啊, 蠢才
</body>
</html>

放到程序同目录下

而后写 web server 的主程序
web_server.py:

from socket import *
serverSocket = socket(AF_INET, SOCK_STREAM)
serverSocket.bind(("127.0.0.1", 80))
serverSocket.listen(5)

while True:
    print("ready to serve")
    connectionSocket, addr = serverSocket.accept()
    try:
        # establish connection
        message = connectionSocket.recv(20000)
        # print(message)
        filename = message.split()[1]
        f = open(filename[1:], 'rb')
        outputdata = f.readlines()
        # send on HTTP Header line into socket
        header = bytearray('HTTP/1.1 200 OK\r\n Date: Sat, 28 May 2022 18:10:01 GMT \r\n Content-Type: text/html \r\n \r\n', 'utf-8')
        connectionSocket.send(header)

        # send to content of the requested file to the client
        for i in range(0, len(outputdata)):
            connectionSocket.send(outputdata[i])
        connectionSocket.close()

    except IOError:
        header = bytearray('HTTP/1.1 404 Not Found\r\n Date: Tue, 03 Jul 2012 04:40:59 GMT \r\n Content-Type: text/html \r\n \r\n', 'utf-8')
        connectionSocket.send(header)       
        connectionSocket.close()

serverSocket.close()

程序里明确了让它运行在 本地 127.0.0.1 的 80 端口上，因而运行程序当前，在浏览器关上如下网址即可获取到这个 html 的内容

http://127.0.0.1:80/hello.html

如果出错了，获取不到那个文件，会返回 404

后记：遗留下的一些问题

1）古代的 web 服务，除了本文最根底的 HTTP 协定外，还有很多重要的实现和个性，包含：长久连贯，pipeline 作业，cookie，SSL 加密，压缩编码传输，分块传输 这些是什么？
2）web 服务如何精确响应返回多个文件内容？例如加了 CSS 和各种图片文件元素的网页
3）如何解决高并发的拜访申请？

上述问题会在后续的系列里持续具体说。

  1. https://www.ietf.org/rfc/rfc1… ↩
  2. https://www.ietf.org/rfc/rfc2… ↩
退出移动版