再談Http協議中消息的編碼

以前大概知道URLencoded, application/x-www-form-urlencoded等大概的東西，也做了一些能運行的程序，可總歸不是特別清楚。今天又看到了HTTP: The Definitive Guide這本電子書，終於徹底明白了怎麼回事。

首先還是回顧一下HTTP協議的報文，Http協議報文有兩種，一是請求報文，二是響應報文，而這兩種報文格式和編碼規則是一樣的，所以這裡以請求報文為例。

請求報文(消息)，由三個部分組成，從前到後分別是：

（1）start line

（2）headers

（3）body

好了，首先要明確的是（1）和（2）必須是ASCII碼字元，也就是說出現在（1）和（2）里的字元編碼必須為0-127之內。（3）中的內容可以是任何編碼，可以是字元編碼，也可以是圖像的編碼，也可以是任意二進位編碼。至於到底裡面是什麼，通過（2）中的 Content-Type:頭來說明。

總體格式是這樣的，(1)startline必須以CRLF結尾，CR,LF當然也是ASCII碼了。(2)headers也必須以CRLF結尾。需要注意的是，即使一個頭也沒有，仍需要一個CRLF表示頭的結束。

具體來說:

一、對於startline

method request-URL version CRLF，其中method為方法名，如GET,POST等，後跟空格，後跟請求的URL，後跟空格，後跟版本號，後跟CRLF。

這裡需要注意的是URL的編碼，前面已經講過了，首先startline里的內容必須為ASCII碼，而對於startline裡面的URL則更為苛刻，URL的格式為http://hostname:port/p1/p2/resource，其中://為固定編碼，/用來分隔路徑，:用來指定埠號，resource指定資源名，p1,p2是路徑名。URL的苛刻要求在於，hostname,p1,p2,resource的名稱必須限定於ASCII碼的一個子集，見下表：

其中Reserved一行中的ASCII碼不允許出現在hostname,p1,p2,resource中，可要是確實需要這些字元怎麼辦呢，此時就需要通過稱為URLEncode的方法對不允許出現的字元進行編碼為允許的字元，例如本來resource的名字為~voice，那麼編碼後就變成了%7Evoice,其中7E為~字元的ASCII碼的十六進位的ASCII表示。原則上這種方式只能編碼Reserved的ASCII碼，而現在人們擴展了這種方法，也利用這種方法編碼複雜字元，如GB2312和UTF-8等，如把GB2312的「好人」編碼為%BA%C3%C8%CB，把UTF-8的"好人"編碼為%E5%A5%BD%E4%BA%BA，雖然這不規範但已經成了實事上的標準了。

二、對於headers

標頭的具體格式如下藍色所示：name: valueCRLF 其中，name為標頭表示變數的名字，後跟冒號，後跟一個可選的空格，後跟變數的值，後跟CRLF。

三、對於body

body里是什麼內容，如果是字元採用什麼編碼，如果是圖像又採用什麼格式，所有這些都是有headers里規定的。其中Content-Type規定了body裡面是什麼，採用什麼編碼，如Content-Type: text/html; charset=UTF-8，表示body里的內容是html文件，採用UTF-8編碼。這裡需要注意的是對於:Content-Type: application/x-www-form-urlencoded,這是POST常用的消息類型，它表明body里放的是表單數據，採用的編碼為urlencoded。首先，這種格式的body內容必須為ASCII碼，除了格式化字元自身外，其他字元必須限定於ASCII的unreserved子集。舉例來說，這種body的格式為name1=value1&name2=value2&name3=&name4=value4，name1,name2,name3,name4為變數名，value1,value2,value3,value4為變數的值，=和&為格式化字元。這裡要求name1,name2,name3,name4,value1,value2,value4的編碼必須為ASCII的UnReserved子集。

對編程的提示：

僅僅對需要URLEncode的地方進行編碼，不要全部進行編碼。如GET http://www.baidu.com/s?wd=~testCRLF。

（1）首先確定URL的部分，不是URL的部分根本不能進行URLencode編碼。顯然URL部分是http://www.baidu.com/s?wd=~test。對於GET,空格，CRLF三部分不屬於URL，不能進行特殊編碼。

（2）確定URL部分需要URLEncoded的地方。需要進行RULEncode的只是www.baidu.com，s，wd，~test。儘管www.baidu.com，s，wd編碼前後不變但它們也是需要編碼的部分。而對於http://，:，/，?，=，它們本身是格式化字元，具有特殊意義不能再進行URLencode編碼了。

所以startline可以這樣生成：

string startline = "GET " + "http://" + URLEncode(www.baidu.com) + "/" + URLEncode("s") + "?" + URLEncode("wd") + "=" + URLEncode("~test") + "/r/n";

千萬別寫成了

string startline = URLEncode("GET http://www.baidu.com/s?wd=~test/r/n");

也不要寫成

string startline = "GET " + URLEncode("htt://www.baidu.com/s?wd=~test") + "/r/n";