从零搭建简易的Web服务器

本文将使用python套接字编程从零搭建一个简易的web服务器，对应于教材《计算机网络：自顶向下方法》第二章后面套接字编程作业，我们先来看一看客户机（浏览器）和服务器交互的过程中在服务器端发生了哪些事情：

1. 当一个客户（浏览器）联系服务器时创建一个连接套接字；
2. 服务器从这个连接接受HTTP请求；
3. 解释该请求以确定所请求的特定文件；
4. 从服务器的文件系统获得请求的文件；
5. 创建一个由请求的文件组成的HTTP响应报文，报文前有首部行；
6. 经TCP连接向请求的浏览器发送响应；如果文件不存在，则返回404 Not Found差错报文。

1.Web服务器

假设我们通过浏览器向服务器请求的文件是HelloWorld.html，文件内容自定（我这里写的内容就是一句话：太棒了，服务器正常工作！），我们需要将该文件放在与服务器同级的目录下，然后通过浏览器向服务器发起请求，服务器按照上述步骤进行响应。服务器端的全部代码如下：

from socket import *

serverSocket = socket(AF_INET, SOCK_STREAM)
serverSocket.bind(('', 6789))
serverSocket.listen(1)
while True:
    print('服务器已就位')
    connectionSocket, addr = serverSocket.accept()
    try:
        message = connectionSocket.recv(1024).decode()
        filename = message.split()[1]
        f = open(filename[1:], encoding='utf-8')
        outputdata = f.read()
        header = 'HTTP/1.1 200 OK
Connection: close
Content-Type: text/html
Content-Length: %d

' % (len(outputdata)+24)
        connectionSocket.send(header.encode())
        for i in range(0, len(outputdata)):
            connectionSocket.send(outputdata[i].encode())
        connectionSocket.send("
".encode())
        connectionSocket.close()
    except IOError:
        header = 'HTTP/1.1 404 Not Found'
        connectionSocket.send(header.encode())
        connectionSocket.close()

bind(('', 6789))指定了套接字与端口号6789绑定，如果代码是运行在本地的，那么只需在浏览器中输入http://localhost:6789/HelloWorld.html即可访问页面；如果代码是部署在云服务器上的，就需要将IP改为服务器的公网IP，通过这种方式，我们可以很容易地在服务器上部署类似个人简介这样的静态网页。

listen(1)指定了服务器在同一时刻只接受一个请求，后续我们将通过多线程编码来同时处理多个请求。

在构造的头部信息中，我们通过Content-Length指定了实体（封装的TCP报文）的长度，即等于数据长度 + TCP头部信息长度，通常TCP的头部信息长度是20字节，但是通过实际观察网页源代码我发现少了四个字节，不难猜测这是因为TCP的选项字段占用了四个字节，因此这里头部信息长度就是24字节。我们甚至不需要自己指定报文长度，只需要返回最基本的HTTP/1.1 200 OK即可。

这里插入一个题外话，关于Content-Length的使用，通过实践我发现存在以下四种情况：

1. 不显式指定Content-Length，前端页面显示完好，数据完整；
2. 显示指定Content-Length且小于实体的长度，前端页面显示不完好，数据缺失；
3. 显示指定Content-Length且等于实体的长度，前端页面显示完好，数据完整；
4. 显示指定Content-Length且大于实体的长度，前端页面不显示，浏览器控制台报错ERR_CONTENT_LENGTH_MISMATCH；

也就是说，最糟糕的情况是指定的长度大于实体的长度，由于长度不匹配，浏览器会报错且前端不显示任何东西。如果指定的长度小于实体长度，浏览器只取消息实体的前面一部分，则前端页面显示不完好。在效果上，不显示指定和显式指定为实体长度都是一样的，如果怕麻烦可以不指定。

2.多线程Web服务器

参照上面的代码，一个最基本的简易Web服务器就搭建好了，但是它在同一时刻只能处理一个请求，现在我们给它升下级，我们使用多线程的方式让它能够同时处理多个请求。具体代码如下：

from socket import *
import threading


def tcp_process(connectionSocket):
    print(threading.current_thread())
    try:
        message = connectionSocket.recv(1024).decode()
        print(repr(message))
        print(message)
        filename = message.split()[1]
        f = open(filename[1:], encoding='utf-8')
        outputdata = f.read()
        header = 'HTTP/1.1 200 OK
Connection: close
Content-Type: text/html
Content-Length: %d

' % (len(outputdata)+24)
        connectionSocket.send(header.encode())
        for i in range(0, len(outputdata)):
            connectionSocket.send(outputdata[i].encode())
        connectionSocket.send("
".encode())
        connectionSocket.close()
    except IOError:
        header = 'HTTP/1.1 404 Not Found'
        connectionSocket.send(header.encode())
        connectionSocket.close()


if __name__ == "__main__":
    serverSocket = socket(AF_INET, SOCK_STREAM)
    serverSocket.bind(('', 6789))
    serverSocket.listen(10)
    while True:
        print('服务器已就位')
        connectionSocket, addr = serverSocket.accept()
        thread = threading.Thread(target=tcp_process, args=(connectionSocket, ))
        thread.start()

从上面可以看出，我们只是将connectionSocket交给一个具体的线程来执行，该线程负责为具体的客户服务，而主进程不必等待它服务完这个用户就可以接受下一个用户的请求，这样就大大提高了服务器的工作效率。

3.客户端

最后我们来看看客户端的代码，通过客户端可以不经过浏览器直接向服务器发起请求。

from socket import *

clientSocket = socket(AF_INET, SOCK_STREAM)
clientSocket.connect(('localhost', 6789))
while True:
    header = 'GET /HelloWorld.html HTTP/1.1
Host: localhost:6789
Connection: keep-alive
User-Agent: Mozilla/5.0

'
    clientSocket.send(header.encode())
    message = clientSocket.recv(1024)
    print(message.decode())

当我通过运行客户端代码向服务器发起请求时，虽然数据成功获取了，但是在客户端也收到了以下错误：

ConnectionResetError: [WinError 10054] 远程主机强迫关闭了一个现有的连接。

这个错误一般出现在爬虫过程中，因为抓取信息太过频繁，而被服务器认定为恶意攻击。但是这里显然不是这个原因，在我将服务器代码中的connectionSocket.close()注释掉之后，这个错误就没有了，但是产生错误具体的原因至今未明，如果有知道的同学欢迎在评论区告诉我。