HTTP - 内容编码

HTTP 应用程序有时在发送之前需要对内容进行编码。例如，在把很大的 HTML 文档发送给通过慢速连接上来的客户端之前，服务器可能就会对它进行压缩，这样有助于减少传输实体的时间。

 

内容编码过程

内容编码的过程如下所述。

1. 网站服务器生成原始响应报文，其中有原始的 Content-Type 和 Content-Length 首部。
2. 内容编码服务器（也可能就是原始的服务器或下行的代理）创建编码后的报文，编码后的报文有同样的 Content-Type 但 Content-Length 可能不同（比如主体被压缩了）。内容编码服务器在编码后的报文中增加 Content-Encoding 首部，这样接收的应用程序就可以进行解码了。
3. 接收程序得到编码的报文，进行解码，获得原始报文。

 

内容编码类型

HTTP 定义了一些标准的内容编码类型，并允许用扩展编码的形式增添更多的编码。由互联网号码分配机构（IANA）对各种编码进行标准化，它给每个内容编码算法分配了唯一的代号。Content-Encoding 首部就用这些标准化的代号来说明编码时使用的算法。

下表列出了一些常用的内容编码代号：

	描述
gzip	表明实体采用 GNU zip 编码
compress	表明实体采用 Unix 的文件压缩程序
deflate	表明实体采用 zlib 的格式压缩
identity	表明没有对实体进行编码。当没有 Content-Encoding 首部是，就默认为这种情况

gzip、compress 以及 deflate 编码都是无损压缩算法，用于减少传输报文的大小，不会导致信息损失。这些算法中，gzip 通常是效率最高的，使用最为广泛。

 

Accept-Encoding 首部

我们不希望服务器用客户端无法解码的方式来对内容进行编码。为了编码服务器使用客户端不支持的编码方式，客户端就把自己支持的内容编码方式列表放在请求的 Accept-Encoding 首部，服务器就可以假设客户端能够接受任何编码方式（等价于发送 Accept-Encoding: *）。

 

内容编码与 Content-Length

如果主体进行了内容编码，Content-Length 首部说明的就是编码后（encoded）的主体的字节长度，而不是未编码的原始主体长度。下面的示例说明了这个问题。

1. 在 Servert 中，使用 gizp 对响应内容进行压缩。

protected void doGet(HttpServletRequest req, HttpServletResponse resp) throws ServletException, IOException {
    try {            
        String data = "abcdefghijklmnopqrstuvwxyz\r\n" 
                + "abcdefghijklmnopqrstuvwxyz\r\n"
                + "abcdefghijklmnopqrstuvwxyz\r\n"
                + "abcdefghijklmnopqrstuvwxyz\r\n"
                + "abcdefghijklmnopqrstuvwxyz\r\n";
        
        ByteArrayOutputStream bout = new ByteArrayOutputStream();
        GZIPOutputStream gout = new GZIPOutputStream(bout);
        gout.write(data.getBytes());
        gout.close();
        
        byte compressedData[] = bout.toByteArray();
        resp.setHeader("Content-Encoding", "gzip");
        resp.getOutputStream().write(compressedData);
    } catch (Exception e) {
        e.printStackTrace();
    }        
}

2. 发送请求，查看响应报文。从下面的请求结果可以看出，浏览器对编码过的内容进行解码再显示出来，而 Content-Length 的值也不是原来内容的长度 140，而是编码后内容的长度 51。