有趣！一行代码居然无法获取请求的完整URL

来自公#众#号：Gopher指北

缘起

做Web服务的时候，可能会有这样一个业务场景，获取一个HTTP请求的完整URL。很巧，老许就碰到了这样的业务场景。面对如此简单的需求，CV大法根本没有展示才能的机会。啪啪啪，获取请求的完整URL代码就出来了。

image

当时离验证只差一步，老许信心满满，很快，打脸来得很快就像龙卷风。。。

image

从图中可以知道，req.URL中的Scheme和Host均为空，所以r.URL.String()无法得到完整的请求连接。这个结果让老许一阵激动，万万没想到有一天我也有机会发现Go源码中可能遗漏的赋值。老许强行按耐住心中的激动，准备好好研究一番，万一成为了Go的Contributor呢^ω^。最后发现官方实现没有问题，因此就有了今天这篇文章。

HTTP1.1中为什么无法获取完整的连接

HTTP1.1的Server读取请求并构建Request.URL对象的逻辑在request.go文件的readRequest方法中，下面老许对其源码做一个简单分析总结。

1. 读取请求的第一行，HTTP请求的第一行又称为请求行。

// First line: GET /index.html HTTP/1.0
var s string
if s, err = tp.ReadLine(); err != nil {
    return nil, err
}

2. 将请求行的内容分别解析为req.Method、req.RequestURI和req.Proto。

var ok bool
req.Method, req.RequestURI, req.Proto, ok = parseRequestLine(s)

3. 将req.RequestURI解析为req.URL。

rawurl := req.RequestURI
if req.URL, err = url.ParseRequestURI(rawurl); err != nil {
    return nil, err
}

注：当请求方法是CONNECT时，上述流程略有变化

通过上面的流程我们知道req.URL的数据来源为req.RequestURI，而req.RequestURI到底是什么让我们继续阅读后文。

请求资源

根据rfc7230中的定义， 请求行分为请求方法、请求资源和HTTP版本，分别对应上述的req.Method、req.RequestURI和req.Proto（request-target在本文均被译作请求资源）。

image

关于请求方法有哪些想必不用老许在这儿科普了吧。至于常用的HTTP版本无非就是HTTP1.1和HTTP2。 下面主要介绍请求资源的几种形式。

origin-form

这种形式是请求资源中最常见的形式，其格式定义如下。

origin-form    = absolute-path [ "?" query ]

当直接向服务器发起请求时，除开CONNECT和OPTIONS请求，只允许发送path和query作为请求资源。如果请求链接的path为空，则必须发送/作为请求资源。请求链接中的Host信息以Header头的形式发送。

以http://www.example.org/where?q=now为例，请求行和Host请求头信息如下

GET /where?q=now HTTP/1.1
Host: www.example.org

absolute-form

这种形式目前仅在向代理发起请求时使用，其格式定义如下。

absolute-form  = absolute-URI

根据rfc7230中的定义，目前client仅会向代理发送这种形式的请求资源，但为了将来某个HTTP版本可能会转换为这种形式的请求资源所以server需要支持这种形式的请求资源。这大概就是为什么req.URL中大部分字段值为空却仍然将URL各部分定义完整的原因。

一个absolute-form形式的请求行例子如下。

GET http://www.example.org/pub/WWW/TheProject.html HTTP/1.1

authority-form

authority-form形式的请求资源仅用于CONNECT请求中，其格式定义如下。

authority-form = authority

发送CONNECT请求时，client只能发送URI的authority部分（不包含userinfo和@定界符）作为请求资源。这样讲比较抽象， 我们先来看看http-URI的定义。

image

通过上面这张图大概能够猜出来authority应该是指Host信息。Very Good！你没有猜错！

The origin server for an "http" URI is identified by the authority component, which includes a host identifier and optional TCP port.

上面是rfc7230对于authority的解释。老许根据自己的翻译，在这里单方面宣布authority包括主机标识符和可选的端口信息。一个authority-form形式的请求行例子如下。

CONNECT www.example.com:80 HTTP/1.1

asterisk-form

asterisk-form形式的请求资源仅适用于OPTIONS请求且只能为*，其格式定义如下。

asterisk-form  = "*"

一个asterisk-form形式的请求行例子如下。

OPTIONS * HTTP/1.1

对上面几种形式的请求资源有所了解后，我们再次回到获取请求的完整URL这一问题本身。以最常用的absolute-form为例（其他形式的请求资源我们在开发中几乎不用考虑），请求资源中本身就缺少Host和Scheme信息，所以一行代码自然无法获取请求的完整URL。难道我们就无法获取到请求的完整URL嘛？当然不是，我们还可以通过以下两种方案得到完整的URL。

方案一：

1. 通过req.Host得到Host相关信息。
2. 如果req.TLS == nil则为HTTP请求，否则为HTTPS请求。
3. 通过步骤1、步骤2并结合请求行信息即可得到完整的URL。

方案二：
在配置文件中配置好服务的Host信息，获取完整请求时只需要读取配置文件并拼接req.RequestURI即可。事实上老许采用的就是方案二，因为很多服务都在网关后面。当客户端使用HTTPS请求网关，网关以HTTP请求服务时使用req.TLS == nil判断就不合理了。

HTTP2中为什么无法获取完整的连接

需要注意的是在HTTP2中已经没有请求行的概念了，取而代之的是请求伪标头，这一点老许在Go发起HTTP2.0请求流程分析(后篇)——标头压缩这篇文章中提到过。

下图为一次HTTP2请求的部分Header信息。

image

从图中可以发现，HTTP1.1中的请求行已经没有了。根据rfc7540中的定义，请求的伪标头字段有:method、:scheme、:authority和:path。

:method和:scheme不需要老许多说，看英文单词的意思就可以了。

:authority: 根据前文的解释，其值为主机标识符和可选的端口信息。另外需要注意的是HTTP2中没有Host请求头。

:path: 如果是OPTIONS请求，则其值为*。其他情况该值为请求URI的path和query，如果path为空则其值为/。

在对HTTP2请求的伪标头有了一个基本了解后，下面我们来看一下Request.URL的赋值过程。HTTP2的Server读取请求并构建Request.URL对象的逻辑在h2_bundle.go文件的(*http2serverConn).newWriterAndRequestNoBody方法中。

1. 如果是CONNECT请求通过:authority构建url_，否则通过:path构建url_。

if rp.method == "CONNECT" {
    url_ = &url.URL{Host: rp.authority}
    requestURI = rp.authority // mimic HTTP/1 server behavior
} else {
    var err error
    url_, err = url.ParseRequestURI(rp.path)
    if err != nil {
        return nil, nil, http2streamError(st.id, http2ErrCodeProtocol)
    }
    requestURI = rp.path
}

2. 将url_赋值给req.URL。

req := &Request{
    Method:     rp.method,
    URL:        url_,
    RemoteAddr: sc.remoteAddrStr,
    Header:     rp.header,
    RequestURI: requestURI,
    Proto:      "HTTP/2.0",
    ProtoMajor: 2,
    ProtoMinor: 0,
    TLS:        tlsState,
    Host:       rp.authority,
    Body:       body,
    Trailer:    trailer,
}

由于:path标头的值也不包含Host信息，所以HTTP2的server也无法通过req.URL.String()得到请求的完整URL。

在这里我们反思一个问题。通过伪标头字段已经能够得到完整的URL，为什么仍然只读取:path和:authority中的一个来赋值req.URL呢？

老许在这里猜测可能原因是希望开发者无需关心请求是HTTP1.1还是HTTP2，避免不必要的HTTP版本判断。

关于获取请求完整URL的思考就到这里。最后，衷心希望本文能够对各位读者有一定的帮助。

注：

1. 写本文时， 笔者所用go版本为: go1.15.2

参考：

https://tools.ietf.org/html/rfc7230

https://tools.ietf.org/html/rfc7540