HTTP et le Web Pearson France Perl moderne Sébastien Aperghis-Tramoni, Damien Krotkine, Jérôme Quelin

Transcription

1 21 HTTP, le protocole de transfert à la base du Web est devenu omniprésent. Parce qu il est le seul protocole dont il est quasi certain qu il passera à travers les proxies et les firewalls, celui-ci est utilisé comme protocole de transport générique pour tous les usages. Non seulement pour le «transport de documents hypertexte» (HTTP signifie Hyper-Text Transport Protocol), mais aussi pour encapsuler des échanges entre applications ou des appels de procédures distantes (web services, SOAP, XML-RPC, etc.) La maîtrise du protocole HTTP est donc indispensable pour un programme qui sera amené à faire des échanges avec le monde extérieur. La bibliothèque libwww-perl a été écrite en 1994 pour Perl 4 par Roy Fielding, l un des principaux auteurs de la spécification HTTP et membre fondateur de la fondation Apache. La version pour Perl 5 (orientée objet) a été écrite par Gisle Aas, et est connue sous le nom de LWP. C est elle (et les modules qui la composent et s appuient dessus) qui sera décrite dans ce chapitre et le suivant. Ce chapitre présente ce qui se passe lorsque qu un navigateur se connecte à un serveur web, et met les différents éléments décrit en relation avec la bibliothèque Perl correspondante.

2 390 CHAPITRE 21 Adresses Tout commence par une adresse Internet, autrement dit une URL 1 (ou URI 2 ). Cette URI peut être découpée en plusieurs éléments : (scheme) : le protocole à utiliser (ici HTTP). Les URI servant à décrire des adresses plus générales, il existe des URI associées à d autres protocoles (FTP, IRC, etc.). (host) : l adresse du serveur au sens du DNS. :80 (port : le port (TCP) sur lequel écoute le serveur web. Celui est optionnel, et s il est omis, la valeur par défaut 80 est utilisée. /index.html (path) : le chemin du document sur le serveur. En Perl, la bibliothèque de gestion des URI s appelle tout simplement URI. Voici un exemple d utilisation : use URI; while (<>) { chomp; my $uri = URI->new($_); say join "\n", map { "$_:\t". $uri ->$_ } qw( scheme host port path ); } 1. Uniform Resource Locator. 2. Uniform Resource Identifier.

3 Messages 391 Ce code donnera le résultat suivant quand il reçoit l URL précédente sur l entrée standard : scheme: http host: port: 80 path: /index.html La classe URI fournit de nombreuses méthodes pour manipuler les URI, et dispose de sous-classes adaptées aux divers schemes. Ainsi, dans l exemple précédent, l objet $uri renvoyé par URI->new() était de classe URI::http. Messages Équipé de l adresse du document à télécharger, le client va se charger de l obtenir auprès du serveur. Il établit donc une connexion au port indiqué et va dialoguer avec le serveur en utilisant le protocole HTTP. HTTP est un protocole à base de messages. Les messages envoyés par le client sont appelés «requêtes», et les messages envoyés par le serveur sont appelés «réponses». Dans les premières versions d HTTP, la connexion TCP servait à échanger une seule requête et une seule réponse. Ce genre d inefficacité a été corrigé par la suite (en HTTP /1.1, les connexions TCP entre client et serveur peuvent être persistantes et transporter plusieurs couples requêteréponse). Mais le principe reste le même et il n y a pas vraiment d échange : le client envoie l intégralité de la requête, et ensuite seulement le serveur envoie l intégralité de la réponse Du point de vue du serveur, deux requêtes successives sur la même connexion TCP peuvent venir de clients différents. HTTP permet en effet l utilisation de serveurs mandataires (proxies), et une requête peut donc transiter de façon automatique à travers un ou plusieurs intermédiaires (parfois à l insu du client, par exemple dans le cas où un proxy transparent intercepte la connexion TCP du client).

4 392 CHAPITRE 21 Les messages HTTP sont divisés en trois parties : La ligne de statut. C est la première ligne du message. Pour une requête, elle contient la méthode, ses paramètres, et la version du protocole reconnue par le client. Pour une réponse, la ligne de statut contient un code d erreur, un message en texte clair, et la version du protocole reconnue par le serveur. Les en-têtes. Les en-têtes se présentent sous la forme d une liste de clés/valeurs séparées par le caractère :. Ce format est similaire à celui des en-têtes d un courriel. Le corps. Le corps (optionnel) du message est séparé des en-têtes par une ligne vide. Certaines requêtes n ont pas de corps de message, par définition. C est le cas des requêtes utilisant les méthodes GET et HEAD, par exemple. D autres ont un corps de message, comme les requêtes POST. Dans LWP, la classe représente les messages. Les en-têtes peuvent être manipulés via la classe Headers. Requêtes GET / HTTP/1.1 L observation de ce qui se passe sur le réseau, avec un outil comme Wireshark, montre que le client envoie ceci : GET /index.html HTTP/1.1 Host: User-Agent: Mozilla/5.0 (X11; U; Linux i686; fr; rv: ) Gecko/ Ubuntu/10.04 (lucid) Firefox/3.6.3

5 Réponses 393 Accept: text/html,application/xhtml+xml,application/xml; q=0.9,*/*;q=0.8 Accept-Language: fr-fr,fr;q=0.8,en-gb;q=0.5,en;q=0.3 Accept-Encoding: gzip,deflate Accept-Charset: ISO ,utf-8;q=0.7,*;q=0.7 Keep-Alive: 115 Connection: keep-alive Il s agit d une requête GET qui, par définition, n a pas de corps de message. La classe de LWP hérite de Réponses HTTP/ OK Voici à quoi ressemble la réponse envoyée par le serveur : HTTP/ OK Date: Tue, 01 Jun :19:50 GMT Server: Apache Last-Modified: Tue, 02 Mar :52:21 GMT Etag: "4bee144-cc-dd98a340" Accept-Ranges: bytes Vary: Accept-Encoding Content-Encoding: gzip Content-Length: 163 Keep-Alive: timeout=2, max=100 Connection: Keep-Alive Content-Type: text/html <163 octets de données compressée> Le passage des données compressées contenues dans le corps du message à travers gunzip fait apparaître le corps du message, ici le source HTML de la page :

6 394 CHAPITRE 21 <html> <head> <title>vous Etes Perdu?</title> </head> <body> <h1>perdu sur l Internet?</h1> <h2>pas de panique, on va vous aider</h2> <strong> <pre> * <----- vous êtes ici</pre> </strong> </body> </html> C est le navigateur qui se charge du rendu de ce document. La classe de LWP hérite de