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：

  1. Port=80
  2. 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：

  1. GET / HTTP/1.1
  2. Host: 192.168.0.3:8000
  3. 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)
  4. Accept: text/xml,application/xml,application/xhtml+xml,text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5
  5. Accept-Language: en-us,en;q=0.5
  6. Accept-Encoding: gzip,deflate
  7. Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7
  8. Keep-Alive: 300
  9. Connection: keep-alive
  10.  

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）：

  1. <html>
  2. <head><title>Test Page</title></head>
  3. <body>
  4.     <p>Test OK</p>
  5.     <img src='mypic.jpg'>
  6. </body>
  7. </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：

  1. <img src='/mypic.jpg'>

服务器应按如下格式应答浏览器：

  1. HTTP/1.1 200 OK
  2. Content-Type: text/html
  3.  
  4. <html>
  5. <head><title>Test Page</title></head>
  6. <body>
  7.     <p>Test OK</p>
  8.     <img src='mypic.jpg'>
  9. </body>
  10. </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）：

  1. 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：

  1. HTTP/1.1 200 OK
  2. Content-Type: image/jpg
  3.  
  4. （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：

  1. HTTP/1.1 404 Not Found
  2. Content-Type: text/html
  3.  
  4. <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）：

  1. #!/bin/sh
  2. echo "Content-Type: text/html"
  3. echo
  4. echo "<html><body>Hello world!</body></html>"

这样浏览器收到的是：

  1. HTTP/1.1 200 OK
  2. Content-Type: text/html
  3.  
  4. <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

  1. 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