一站式学习 C 编程

主题

5. 练习：实现简单的 Web 服务器 ​

实现一个简单的 Web 服务器 myhttpd。服务器程序启动时要读取配置文件 /etc/myhttpd.conf，其中需要指定服务器监听的端口号和服务目录，例如：

ini
Port=80
Directory=/var/www

注意，1024 以下的端口号需要超级用户才能开启服务。如果你的系统中已经安装了某种 Web 服务器（例如 Apache），应该为 myhttpd 选择一个不同的端口号。当浏览器向服务器请求文件时，服务器就从服务目录（例如 /var/www）中找出这个文件，加上 HTTP 协议头一起发给浏览器。但是，如果浏览器请求的文件是可执行的则称为 CGI 程序，服务器并不是将这个文件发给浏览器，而是在服务器端执行这个程序，将它的标准输出发给浏览器，服务器不发送完整的 HTTP 协议头，CGI 程序自己负责输出一部分 HTTP 协议头。

5.1. 基本 HTTP 协议 ​

打开浏览器，输入服务器 IP，例如 http://192.168.0.3，如果端口号不是 80，例如是 8000，则输入 http://192.168.0.3:8000。这时浏览器向服务器发送的 HTTP 协议头如下：

plaintext
GET / HTTP/1.1
Host: 192.168.0.3:8000
User-Agent: Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.1.6) Gecko/20061201 Firefox/2.0.0.6 (Ubuntu-feisty)
Accept: text/xml,application/xml,application/xhtml+xml,text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5
Accept-Language: en-us,en;q=0.5
Accept-Encoding: gzip,deflate
Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7
Keep-Alive: 300
Connection: keep-alive

注意，其中每一行的末尾都是回车加换行（C 语言的 "\r\n"），第一行是 GET 请求和协议版本，其余几行选项字段我们不讨论，HTTP 协议头的最后有一个空行，也是回车加换行。

我们实现的 Web 服务器只要能正确解析第一行就行了，这是一个 GET 请求，请求的是服务目录的根目录 /（在本例中实际上是 /var/www），Web 服务器应该把该目录下的索引页（默认是 index.html）发给浏览器，也就是把 /var/www/index.html 发给浏览器。假如该文件的内容如下（HTML 文件没必要以 "\r\n" 换行，以 "\n" 换行就可以了）：

html
<html>
  <head>
    <title>Test Page</title>
  </head>
  <body>
    <p>Test OK</p>
    <img src="mypic.jpg" />
  </body>
</html>

显示一行字和一幅图片，图片的相对路径（相对当前的 index.html 文件的路径）是 mypic.jpg，也就是 /var/www/mypic.jpg，如果用绝对路径表示应该是：

html
<img src="/mypic.jpg" />

服务器应按如下格式应答浏览器：

plaintext
HTTP/1.1 200 OK
Content-Type: text/html

<html>
<head><title>Test Page</title></head>
<body>
  <p>Test OK</p>
  <img src='mypic.jpg'>
</body>
</html>

服务器应答的 HTTP 头也是每行末尾以回车加换行结束，最后跟一个空行的回车加换行。

HTTP 头的第一行是协议版本和应答码，200 表示成功，后面的消息 OK 其实可以随意写，浏览器是不关心的，主要是为了调试时给开发人员看的。虽然网络协议最终是程序与程序之间的对话，但是在开发过程中却是人与程序之间的对话，一个设计透明的网络协议可以提供很多直观的信息给开发人员，因此，很多应用层网络协议，如 HTTP、FTP、SMTP、POP3 等都是基于文本的协议，为的是透明性（transparency）。

HTTP 头的第二行表示即将发送的文件的类型（称为 MIME 类型），这里是 text/html，纯文本文件是 text/plain，图片则是 image/jpg、image/png 等。

然后就发送文件的内容，发送完毕之后主动关闭连接，这样浏览器就知道文件发送完了。这一点比较特殊：通常网络通信都是客户端主动发起连接，主动发起请求，主动关闭连接，服务器只是被动地处理各种情况，而 HTTP 协议规定服务器主动关闭连接（有些 Web 服务器可以配置成 Keep-Alive 的，我们不讨论这种情况）。

浏览器收到 index.html 之后，发现其中有一个图片文件，就会再发一个 GET 请求（HTTP 协议头其余部分略）：

plaintext
GET /mypic.jpg HTTP/1.1

一个较大的网页中可能有很多图片，浏览器可能在下载网页的同时就开很多线程下载图片，因此，'''服务器即使对同一个客户端也需要提供并行服务的能力'''。服务器收到这个请求应该把图片发过去然后关闭连接：

plaintext
HTTP/1.1 200 OK
Content-Type: image/jpg

（这里是 mypic.jpg 的二进制数据）

这时浏览器就应该显示出完整的网页了。

如果浏览器请求的文件在服务器上找不到，要应答一个 404 错误页面，例如：

plaintext
HTTP/1.1 404 Not Found
Content-Type: text/html

<html><body>request file not found</body></html>

5.2. 执行 CGI 程序 ​

如果浏览器请求的是一个可执行文件（不管是什么样的可执行文件，即使是 shell 脚本也一样），那么服务器并不把这个文件本身发给浏览器，而是把它的执行结果标准输出发给浏览器。例如一个 shell 脚本/var/www/myscript.sh（注意一定要加可执行权限）：

shell
#!/bin/sh
echo "Content-Type: text/html"
echo
echo "<html><body>Hello world!</body></html>"

这样浏览器收到的是：

plaintext
HTTP/1.1 200 OK
Content-Type: text/html

<html><body>Hello world!</body></html>

总结一下服务器的处理步骤：

  1. 解析浏览器的请求，在服务目录中查找相应的文件，如果找不到该文件就返回 404 错误页面

  2. 如果找到了浏览器请求的文件，用 stat(2) 检查它是否可执行

  3. 如果该文件可执行：

    1. 发送 HTTP/1.1 200 OK 给客户端
    2. fork(2)，然后用 dup2(2) 重定向子进程的标准输出到客户端 socket
    3. 在子进程中 exec(3) 该 CGI 程序
    4. 关闭连接

  4. 如果该文件不可执行：

    1. 发送 HTTP/1.1 200 OK 给客户端
    2. 如果是一个图片文件，根据图片的扩展名发送相应的 Content-Type 给客户端
    3. 如果不是图片文件，这里我们简化处理，都当作 Content-Type: text/html
    4. 简单的 HTTP 协议头有这两行就足够了，再发一个空行表示结束
    5. 读取文件的内容发送到客户端
    6. 关闭连接