HTTP 协议通信基原理

HTTP 是我们进行爬虫的一个基础之一，我们通过 HTTT 协议才能顺利爬取到 HTML 里面的内容，HTTP 相当于是一条道路，HTML 等网页是道路的终点，我们必须遵守 HTTP 的交通规则，才能高效的在这条道路上运输数据。

1. HTTP 的基本概念

Http（超文本传输协议）是一种客户端-服务端模型，使用超媒体文档进行传输的，简单的，无状态的，无连接的，可扩展的应用层协议。

下面，我们一一来分析上述定义的几个概念。

客户端，是指发起请求的一方。也就是浏览器，或者指爬虫程序。通过发起请求，来获取想要的网页。

服务端，请求的响应端，是 web 服务端。web 服务，是一个虚拟意思上的机器的概念。可以是一个计算机集群，也可以是一个软件或者程序。

客户端，通过发送一个请求给服务端，然后进行等待。服务端按照客户端的请求，返回客户端需要的数据。这个过程，我们称之为经典的客户端——服务端模型。

一个网页，其实就是一个超文本文档。里面不仅包含了基本的文本信息和图片视频信息，也包含了丰富的超链接，用户可以通过点击超链接，来进行互联网的冲浪。

指的是 HTTP 报文设计的简单易懂，对新手很友好，很容易上手，降低了学习门槛。

是指在同一个连接中，不同的请求之间是没有联系的，这次的请求无法知道上次请求的上下文信息。但是，HTTP 又是有会话的，也就是说，我们可以通过 Cookies 来解决不同请求的上下文信息共享。Cookie 的具体内容，我们会在后面的章节进行描述。

连接是又控制层控制的，无连接并不是指 HTTP 不需要控制层的连接，而是指每次连接指处理一次请求，请求结束，即端口连接。这样设计的目的，是减少开销，提高效率。因为，TCP 控制层的连接会消耗大量的系统资源。

指的是 HTTP 的 Headers 部分比较容易扩展。只需要在头部中加入扩展的新功能，就可以很方便的实现扩展。

假如我们在浏览器输入慕课网地址：https://www.imooc.com/

HTTP 的工作流程如下：

GET / HTTP/1.1
Host: www.imooc.com
Connection: keep-alive
Cache-Control: max-age=0
...

HTTP/1.1 200 OK
Server: nginx
Content-Type: text/html; charset=UTF-8
Content-Length: 49930
Connection: keep-alive
...

以上就是 HTTP 的基本工作原理。关于请求与响应的具体解释，我们下一个小节会深入讲解。

这一小节，我们讲解了 HTTP 的基本概念，熟悉了 HTTP 简单的工作流程。其实 HTTP 协议比较复杂，感兴趣的读者可以更加深入的去学习 HTTP 底层的原理，对以后开发爬虫以及 WEB 应用都有很大的帮助。