五、TCP 進階機制

（一）TCP 頭部標志位

TCP 頭部的標志位是控制通信行為的 “開關”，常用標志位功能：

（二）TCP 安全可靠傳輸機制

1. 三次握手 & 四次揮手

• 三次握手：通過?SYN/SYN+ACK/ACK?三次交互，確認雙方收發能力，為可靠通信奠基。
• 四次揮手：因服務端可能殘留未發數據，需拆分?FIN/ACK/FIN/ACK?四步，保證數據發完再斷開。

2. 應答機制

TCP 采用 **“序列號 + 確認號”** 實現可靠應答：

• 發送方用 ** 序列號（Sequence Number）** 標記數據段的 “起始編號”；
• 接收方回復確認號（Acknowledgment Number），值為 “收到的最后一個字節編號 + 1”，告訴發送方 “已收到到這里，下一個該發啥”。

示例：發送方發?[0-999]?數據，序列號為?0；接收方回復確認號?1000，表示 “0-999 已收到，繼續發 1000 開頭的數據”。

3. 超時重傳機制

發送方數據發出后，若超時未收到確認號，則認為數據丟失，觸發重傳。類似 “快遞沒收到，重新發貨”，保障數據不丟包。

4. 滑動窗口機制

TCP 用滑動窗口管理發送與確認：

• 窗口內是 “已發送但未確認 + 待發送” 的數據；
• 收到確認號后，窗口 “滑動”，釋放已確認數據的緩沖區，繼續發送新數據。
  （ 理解：已發送并確認、已發送未確認、即將發送、準備好的數據，隨窗口滑動動態變化 ）

（三）TCP 效率優化機制

1. 延遲應答機制

發送數據的同時，接收方不立即回復?ACK，而是等待一段時間（攢一批數據再回復），減少 ACK 報文數量，降低網絡開銷。

2. 流量控制機制

通過 TCP 頭部 **“窗口大小（Window Size）”（滑動窗口）** 字段實現：

• 接收方根據自身緩沖區剩余空間，動態調整 “窗口大小”；
• 發送方依據窗口大小控制發送速率，避免接收方緩沖區溢出。

3. 捎帶應答機制

ACK?報文有時候不單獨發送，而是 “附著” 在應用層數據里一起發（類似于變為三次揮手），減少單獨發 ACK 的次數，提升效率。

六、HTTP 協議

（一）萬維網通信基礎

• WWW（萬維網）：由網頁、服務器、客戶端（瀏覽器）組成的信息系統，通過 URL 定位資源。
• URL（統一資源定位符）：格式?<協議>://<主機>:<端口>/<路徑>?，示例：https://www.baidu.com/s?wd=關鍵詞?，精準定位網絡資源。
• HTTP（超文本傳輸協議）：應用層協議，基于 TCP 傳輸，默認端口?80/8080，負責客戶端與服務器的請求 - 響應交互。
• HTML（超文本標記語言）：瀏覽器解析后展示網頁內容的語言，HTTP 響應報文里的 “實體主體” 常包含 HTML 代碼。

（二）HTTP 通信流程

1. 建立 TCP 連接：客戶端與服務器通過 TCP 三次握手建立連接（如訪問百度時，先建 TCP 連接 ）。
2. 發送 HTTP 請求報文：客戶端向服務器發請求，包含 “請求方法（如 GET/POST）、URL、協議版本” 等（示例：GET / HTTP/1.1?表示用 GET 方法請求根路徑資源 ）。
3. 接收 HTTP 響應報文：服務器處理請求后，回復包含 “狀態碼、響應頭、實體主體（如 HTML 內容）” 的報文（示例：HTTP/1.1 200 OK?表示請求成功 ）。
4. 斷開 TCP 連接：默認短連接（Connection: close?）直接斷開；長連接（Connection: keep-alive?）會保持連接一段時間，復用傳輸其他資源。

（三）HTTP 報文格式

1. 請求報文結構（以 GET 為例）

請求行：方法 URL 版本 CRLF  （如：GET /index.html HTTP/1.1\r\n）
首部行：字段名: 值 CRLF    （如：Host: www.baidu.com\r\n）
...（更多首部行）
空行：CRLF
實體主體：（GET 通常無實體主體，POST 可帶數據）

2. 響應報文結構

狀態行：版本 狀態碼 短語 CRLF  （如：HTTP/1.1 200 OK\r\n）
首部行：字段名: 值 CRLF        （如：Content-Type: text/html\r\n）
...（更多首部行）
空行：CRLF
實體主體：（如 HTML 代碼、文件內容等）

3. 狀態碼分類

（四）HTTP 請求方法

HTTP 定義了多種請求方法，控制對資源的操作：

（五）爬蟲

爬蟲（Web Crawler）?是一種自動化程序，模擬瀏覽器的 HTTP 請求 - 響應流程，批量抓取網絡資源：

1. 工作邏輯：

   • 構造 HTTP 請求（模仿瀏覽器發 GET/POST），獲取網頁 HTML；
   • 解析 HTML 提取鏈接、數據；
   • 遞歸抓取新鏈接，形成 “自動瀏覽 - 采集” 的流程。

總結

• TCP 核心：通過 “三次握手建連接、四次揮手斷連接、序列號 + 確認號應答、滑動窗口控速率”，實現可靠且高效的傳輸。
• HTTP 核心：基于 TCP 傳輸，用請求 - 響應模式交互，通過 URL 定位資源，用狀態碼反饋結果，是萬維網的 “通信語言”。
• 爬蟲本質：自動化的 HTTP 請求 - 解析工具。