高效码农Java提高班：HTTP超文本传输协议（二）
HTTP之URL
HTTP使用统一资源标识符（Uniform Resource Identifiers, URI）来传输数据和建立连接。URL是一种特殊类型的URI，包含了用于查找某个资源的足够的信息
URL,全称是UniformResourceLocator, 中文叫统一资源定位符,是互联网上用来标识某一处资源的地址。以下面这个URL为例，介绍下普通URL的各部分组成：
https://www.toutiao.com/i6521846215036895747/
从上面的URL可以看出，一个完整的URL包括以下几部分：
协议部分：该URL的协议部分为“http：”，这代表网页使用的是HTTP协议。在Internet中可以使用多种协议，如HTTP，FTP等等本例中使用的是HTTP协议。在"HTTP"后面的“//”为分隔符
域名部分：该URL的域名部分为“www.toutiao.com”。一个URL中，也可以使用IP地址作为域名使用
端口部分：跟在域名后面的是端口，域名和端口之间使用“:”作为分隔符。端口不是一个URL必须的部分，如果省略端口部分，将采用默认端口
虚拟目录部分：从域名后的第一个“/”开始到最后一个“/”为止，是虚拟目录部分。虚拟目录也不是一个URL必须的部分。
文件名部分：从域名后的最后一个“/”开始到“？”为止，是文件名部分，如果没有“?”,则是从域名后的最后一个“/”开始到“#”为止，是文件部分，如果没有“？”和“#”，那么从域名后的最后一个“/”开始到结束，都是文件名部分。文件名部分也不是一个URL必须的部分，如果省略该部分，则使用默认的文件名
锚部分：从“#”开始到最后，都是锚部分。锚部分也不是一个URL必须的部分
参数部分：从“？”开始到“#”为止之间的部分为参数部分，又称搜索部分、查询部分。参数可以允许有多个参数，参数与参数之间用“&”作为分隔符。
URI和URL的区别
URI是以一种抽象的，高层次概念定义统一资源标识，而URL和URN则是具体的资源标识的方式。URL和URN都是一种URI。笼统地说，每个 URL 都是 URI，但不一定每个 URI 都是 URL。这是因为 URI 还包括一个子类，即统一资源名称 (URN)，它命名资源但不指定如何定位资源。
URI，是uniform resource identifier，统一资源标识符，用来唯一的标识一个资源。
Web上可用的每种资源如HTML文档、图像、视频片段、程序等都是一个来URI来定位的
URI一般由三部组成：
①访问资源的命名机制
②存放资源的主机名
③资源自身的名称，由路径表示，着重强调于资源。
URL是uniform resource locator，统一资源定位器，它是一种具体的URI，即URL可以用来标识一个资源，而且还指明了如何locate这个资源。
URL是Internet上用来描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上，特别是著名的Mosaic。
采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。URL一般由三部组成：
①协议(或称为服务方式)
②存有该资源的主机IP地址(有时也包括端口号)
③主机资源的具体地址。如目录和文件名等
URN，uniform resource name，统一资源命名，是通过名字来标识资源。
在Java的URI中，一个URI实例可以代表绝对的，也可以是相对的，只要它符合URI的语法规则。而URL类则不仅符合语义，还包含了定位该资源的信息，因此它不能是相对的。
在Java类库中，URI类不包含任何访问资源的方法，它唯一的作用就是解析。
相反的是，URL类可以打开一个到达资源的流。
HTTP请求
http请求由四部分组成，分别是：请求行、请求头、空行、请求正文
请求行以一个方法符号开头，以空格分开，后面跟着请求的URI和协议的版本，格式如下：Method Request-URI HTTP-Version CRLF 其中 Method表示请求方法；Request-URI是一个统一资源标识符；HTTP-Version表示请求的HTTP协议版本；CRLF表示回车和换行（除了作为结尾的CRLF外，不允许出现单独的CR或LF字符）。
2、请求报头
请求报头允许客户端向服务器端传递请求的附加信息以及客户端自身的信息
1、Accept：指定浏览器或其他客户端程序所能处理的MIME类型（IE5和6在重新载入页面时，发送的Accept报头不正确，但在最初的请求中是正确的）。
2、Accept-Charset：标明浏览器可以使用的字符集（如ISO-8859-1）.
3、Accept-Encoding：详细列出客户端能处理的编码类型（gzip，compress是两种常见的值），一般来讲花在解码上的时间要远远小于传输的开销。
4、Accept-Language：在servlet能够以多种语言生产结果时，列出客户程序首选的语言。这个报头的值应该是标准语言代码的一种，比如en, en-us, da等。
5、Authorization：在访问密码保护的WEB页面时，客户用这个报头来识别自己的身份。(Https)
6、Connection：标明客户是否能够处理持续性HTTP连接。持续性（Keep-Alive）是默认的选项。
7、Content-Length：只适用于POST请求，用来给定POST数据的大小，以字节为单位。request.getContentlength()方法得到这个报头。（GET的方法不行？）
8、Cookie：这个报头向服务器返回cookie，这些cookie是之前服务器发送给浏览器的。使用request.getCookies读取这个报头。
9、Host：在HTTP1.1中，浏览器和其他客户端程序需要制定这个报头，它标明原始URL中给出的主机名和端口号。
10、If-Modified-Since：这个报头标明，仅当页面在指定日期之后发生更改的情况下，客户程序才希望获取该页面。
11、If-Unmodified-Since：和If-Modified-Since：相反：规定仅当文档比指定的日期要旧时，操作才需要继续。
12、Referer：标明引用Web页面的URL。例如，WEB1单击指向WEB2的链接，在浏览器请求WEB2页面是会把Referer指定为WEB1的URL。
13、Use-Agent:标识生产请求的浏览器或其他客户端程序，根据这个报头，可以针对不同类型的浏览器返回不同的内容。。
HTTP工作过程
1 ) 、地址解析
如用客户端浏览器请求这个页面：https://www.toutiao.com/i6521846215036895747/ 从中分解出协议名、主机名、端口、对象路径等部分，对于我们的这个地址，解析得到的结果如下：
协议名：http
主机名：www.toutiao.com
端口：80（默认）
对象路径：/i6521846215036895747
在这一步，需要域名系统DNS解析域名localhost.com,得主机的IP地址。
2）、封装HTTP请求数据包
把以上部分结合本机自己的信息，封装成一个HTTP请求数据包
3）封装成TCP包，建立TCP连接（TCP的三次握手）
在HTTP工作开始之前，客户机（Web浏览器）首先要通过网络与服务器建立连接，该连接是通过TCP来完成的，该协议与IP协议共同构建Internet，即著名的TCP/IP协议族，因此Internet又被称作是TCP/IP网络。HTTP是比TCP更高层次的应用层协议，根据规则，只有低层协议建立之后才能，才能进行更高层协议的连接，因此，首先要建立TCP连接，一般TCP连接的端口号是80。
4）客户机发送请求命令
建立连接后，客户机发送一个请求给服务器，请求方式的格式为：统一资源标识符（URL）、协议版本号，后边是MIME信息包括请求修饰符、客户机信息和可内容。
5）服务器响应
服务器接到请求后，给予相应的响应信息，其格式为一个状态行，包括信息的协议版本号、一个成功或错误的代码，后边是MIME信息包括服务器信息、实体信息和可能的内容。
实体消息是服务器向浏览器发送头信息后，它会发送一个空白行来表示头信息的发送到此为结束，接着，它就以Content-Type应答头信息所描述的格式发送用户所请求的实际数据
6）服务器关闭TCP连接
一般情况下，一旦Web服务器向浏览器发送了请求数据，它就要关闭TCP连接，然后如果浏览器或者服务器在其头信息加入了这行代码Connection:keep-alive
TCP连接在发送后将仍然保持打开状态，于是，浏览器可以继续通过相同的连接发送请求。保持连接节省了为每个请求建立新连接所需的时间，还节约了网络带宽。