HTTP的实体数据

数据类型与编码

列举一下在 HTTP 里经常遇到的几个类别（也即 MIME type）：

• text：即文本格式的可读数据，我们最熟悉的应该就是 text/html 了，表示超文本文档，此外还有纯文本 text/plain、样式表 text/css 等。

• image：即图像文件，有 image/gif、image/jpeg、image/png 等。

• audio/video：音频和视频数据，例如 audio/mpeg、video/mp4 等。

• application：数据格式不固定，可能是文本也可能是二进制，必须由上层应用程序来解释。

常见的有 application/json，application/javascript、application/pdf 等，另外，如果实在是不知道数据是什么类型，就会是 application/octet-stream，即不透明的二进制数据。

HTTP 在传输时为了节约带宽，有时候还会压缩数据，有一个 Encoding type，告诉数据是用的什么编码格式，这样对方才能正确解压缩，还原出原始的数据。

常用的只有下面三种：

• gzip：GNU zip 压缩格式，也是互联网上最流行的压缩格式；

• deflate：zlib（deflate）压缩格式，流行程度仅次于 gzip；

• br：一种专门为 HTTP 优化的新压缩算法（Brotli）。

有了 MIME type 和 Encoding type，无论是浏览器还是服务器就都可以轻松识别出 body 的类型，也就能够正确处理数据了。

数据类型使用的头字段

HTTP 协议为此定义了 Accept 请求头字段 和 Content 实体头字段，用于客户端和服务器进行“内容协商”。也就是说，客户端用 Accept 头 告诉服务器希望接收什么样的数据，而服务器用 Content 头 告诉客户端实际发送了什么样的数据。

Accept 字段标记的是客户端可理解的 MIME type，用 “,” 做分隔符列出多个类型，让服务器有更多的选择余地

// 这就是告诉服务器，请给我这四类格式的数据”。
Accept: text/html,application/xml,image/webp,image/png

相应的，服务器会在响应报文里用 头字段 Content-Type 告诉实体数据的真实类型：

Content-Type: text/html
Content-Type: image/png

Accept-Encoding 字段标记的是客户端支持的压缩格式，例如上面说的 gzip、deflate 等，同样也可以用“,”列出多个，服务器可以选择其中一种来压缩数据，实际使用的压缩格式放在响应头字段 Content-Encoding 里。如果请求报文里没有 Accept-Encoding 字段，就表示客户端不支持压缩数据；如果响应报文里没有 Content-Encoding 字段，就表示响应数据没有被压缩。

Accept-Encoding: gzip, deflate, br
Content-Encoding: gzip

语言类型与编码

不同国家不同地区的人使用了很多不同的语言，虽然都是 text/html，但如何让浏览器显示出每个人都可理解可阅读的语言文字呢？

这实际上就是“国际化”的问题。HTTP 又引入了两个概念：语言类型与字符集。举几个例子：en 表示任意的英语，en-US 表示美式英语，en-GB 表示英式英语，而 zh-CN 就表示我们最常使用的汉语。

Accept-Language 字段标记了客户端可理解的自然语言，也允许用“,”做分隔符列出多个类型，例如：

Accept-Language: zh-CN, zh, en

相应的，服务器应该在响应报文里用头字段 Content-Language 告诉客户端实体数据使用的实际语言类型：

Content-Language: zh-CN

同样的一段文字，用一种编码显示正常，换另一种编码后可能就会变得一团糟。

所以后来就出现了 Unicode 和 UTF-8，把世界上所有的语言都容纳在一种编码方案里，遵循 UTF-8 字符编码方式的 Unicode 字符集也成为了互联网上的标准字符集。

字符集在 HTTP 里使用的请求头字段是 Accept-Charset，但响应头里却没有对应的 Content-Charset，而是在 Content-Type 字段的数据类型后面用“charset=xxx”来表示，这点需要特别注意。

// 浏览器请求 GBK 或 UTF-8 的字符集
Accept-Charset: gbk, utf-8

// 服务器返回的是 UTF-8 编码
Content-Type: text/html; charset=utf-8

Tips:

• content-type，实际上它是个通用字段，只要是有 body 就可以带，请求响应里都可以出现。

• UTF-8 只是编码方案，Unicode是字符集。