http GET 请求 URL 总结

悠悠 2022-05-16 07:55 273阅读 0赞

URL 只能使用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。网络标准[RFC 1738][]做了硬性规定：

> “…Only alphanumerics \[0-9a-zA-Z\], the special characters “$-\_.+!\*’(),” \[not including the quotes - ed\], and reserved characters used for their reserved purposes may be used unencoded within a URL.”
> 
> “只有字母和数字\[0-9a-zA-Z\]、一些特殊符号”$-\_.+!\*’(),”\[不包括双引号\]、以及某些保留字，才可以不经过编码直接用于URL。”

## 为什么需要 URL 编码 ##

秉承着「知其然还要知其所以然的态度」，先来思考下什么情况下，我们需要编码？

*  这是隐私数据，不是适合明文传输
 *  编码后可以有效的压缩传输的数据量
 *  包含某些会引起歧义的字符

在 URL 中之所以要编码，就是因为在传输的内容跟预留字符（&、=、？）有相同的时候，会造成 URL 服务器的解析错误，比如参数的 key = value 键值对中，在 value 中包含 &、=、？等几种预留字符的时候，你让服务器如何解析？

## 哪些字符需要编码 ##

### 保留字 ###

URL 可以划分成若干组件、协议、主机、路径等。

*  一些字符用来分隔不同的组件，比如「：/？\#@」
 *  一些字符在每个组件中分隔的，比如 & =

### 不安全字符 ###

还有些字符，当它们直接放在 URL 中时，可能会引起解释程序的歧义

*  空格——URL 在传输过程中，用户排版时，文本处理程序在处理 URL的过程中，都可能引入无关紧要的空格
 *  引号和<>——通常用于在普通文本中起到分隔 URL 的作用
 *  \# 用于标示书签或锚点
 *  % 本身用作对不安全字符编码时的特殊字符，所以本身需要编码
 *  \{\}\[\]|^ 某些网关或者传输代理会篡改这些字符

**注意**：

由于历史原因，目前存在一些不标准的编码实现，比如对于符号~ 虽然RFC3986文档规定，对于~不需要编码，但是一些老的网关或者传输代理会。比如\[\]也被编码了。

对于 URL 中的合法字符，编码和不编码是等价的，但是对于上面提到的那些字符，如果不编码，那它们可能会造成 URL 语义的不同。因此，对于 URL 而言，只有普通英文字符和数字、特殊字符和保留字符，能出现在未经编码的 URL 中，其他字符都需要经过编码。

## 编码规则 ##

先介绍几种存在的编码规则，详细的内容可以看[《字符编码笔记》][Link 1]：

*  ASCII 码： ASCII 码一共规定 128 个字符编码（包括 32 个不能打印的控制符号）
 *  非 ASCII 码：英语 128 个符号编码是够的，但用来表示其他语言，128 个符号是不够的。一些欧洲国家决定利用字节中闲置的最高位编入新的符号，前 128 位是相同的，后面的 128 位不同
 *  unicode：将世界上所有的符号都纳入其中，每一个符号都给予一个独一无二的编码，消除乱码问题。**Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。**
 *  UTF-8: UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。

### 如何编码 ###

URL 编码通常被称为百分号编码（URL Encoding， also know as percent-encoding)，因为它的编码方式很简单，使用 % 加上两个字符代表一个字节的16进制形式：

URL 编码默认使用的字符集是 ASCII

*  a 在 ASCII 中对应的字节是 0x61，经过 URL 编码后得到就是 %61
 *  @ 在 ASCII 中对应的字节是 0x40，经过 URL 编码后得到就是 %40
 *  对于非 ASCII 字符，需要使用 ASCII 字符集的超集进行编码得到相应的字符，然后再对每个字符执行百分号编码
 *  对于 Unicode 字符，RFC 文档建议使用 UTF-8 对其进行编码得到相应的字节，然后再对每个字节执行百分号编码

## GET vs POST ##

在被问到 http GET 和 POST 的区别的时候，普遍给出的回答可能是：

*  GET 的参数包含在 URL 中，POST 的参数通过 request body 进行传递
 *  在 restful api 规则中， GET 用于从服务器获取指定资源，POST 用于在服务器创建资源；GET 操作是安全的，不管进行多少次操作，资源的状态都不会改变，POST 操作不是安全的，重复发起多次 POST 的请求，会导致服务器创建若干资源。

你真的觉得这么回答就是能拿满分了吗？义务教育不是教育过我们不会的时候要多写点答案，老师还会有个感情分给你，让我们再想想。

*  GET 在浏览器回退的时是无害的，而 POST 会再次提交请求
 *  GET 产生的 URL 可以被 Bookmark，而 POST 不可以
 *  GET 请求会被浏览器主动 cache，而 POST 不会，除非手动设置
 *  GET 请求只能进行 URL 编码（**就是上面说的 URL 编码**），而 POST 支持多种编码方式
 *  GET 请求参数会被完整保留在浏览器的历史记录里，而 POST 中的参数不会被保留
 *  GET 请求在URL 中传送的参数是有长度限制的，而 POST 没有
 *  对于参数的数据类型，GET 只接受 ASCII 字符，而 POST 没有
 *  GET 比 POST 更不安全，因为参数直接暴露在 URL 上，所以不能用来传递敏感信息

对于能轻松列举以上不同点的同学，是需要奖励大红花的，毕竟笔者也是抄了别人的文章才知道的，不过这还不是最终答案，**思考问题更深入一些，它们的底层是不是有什么不一样的地方？**

**我是谁**： GET 和 POST 是什么？

*  HTTP 协议中的两种发送请求的方法

**我从哪里来**：HTTP 是什么？

*  HTTP 是基于 TCP/IP 的关于数据如何在万维网中通信的协议。
 *  GET 和 POST 底层都是 TCP 连接， 能做的事情也是相同的。如果你想给 GET 加上 request body， 给 POST 带上 URL 参数，技术上来说也没什么不行的。

「[99%的人都理解错了HTTP中GET与POST的区别][99_HTTP_GET_POST]」中提出了一个很形象的比喻，在你万维网世界中，将 **TCP 比喻成汽车用来运输数据**，为了避免送急件的阻塞满载货物的汽车，又提出了**交通规则 HTTP** 。 HTTP 给汽车运输规定了不同的服务类别，包括 GET、POST、PUT、 DETETE等。浏览器可以想象成**运输公司**，不同的运输公司对汽车运输货物的量是有要求的，数据量太大对浏览器和服务器都会造成很大负担。

> 业界不成文的规定是，（大多数）浏览器通常都会限制url长度在2K个字节，而（大多数）服务器最多处理64K大小的url。超过的部分，恕不处理。

终极大 boos 来了， GET 和 POST 还有一个很大的不同，简单的说：

*  GET 产生一个 TCP 数据包，POST 产生两个 TCP 数据包。
 *  更容易理解的版本：  
    
    
     *  对于GET方式的请求，浏览器会把http header和data一并发送出去，服务器响应200（返回数据）
     *  而对于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）

## 参考资料 ##

*  [URL编码][URL]
 *  [关于URL编码][URL 1]
 *  [99%的人都理解错了HTTP中GET与POST的区别][99_HTTP_GET_POST]
 *  [golang中使用url encoding遇到的小坑][golang_url encoding]

[RFC 1738]: http://www.ietf.org/rfc/rfc1738.txt
[Link 1]: http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html
[99_HTTP_GET_POST]: https://zhuanlan.zhihu.com/p/22536382
[URL]: http://anjia.github.io/2015/04/15/jsURIEncode/
[URL 1]: http://www.ruanyifeng.com/blog/2010/02/url_encoding.html
[golang_url encoding]: http://weakyon.com/2017/05/04/something-of-golang-url-encoding.html