从 socket 实现一个简化版 wget

结论速览

最小 wget 的流程是解析 URL、DNS、建立 TCP、发送 HTTP 请求、接收响应、去掉 Header、保存 Body。
DNS 通常不是简单的内核 syscall，由 libc resolver 配合网络 socket 完成，接口是 getaddrinfo()。
socket(AF_INET, SOCK_STREAM, 0) 里 AF_INET 是 IPv4、SOCK_STREAM 是 TCP，内核返回文件描述符。
connect() 背后的 ARP、SYN/ACK、重传、IP、Ethernet 全部由内核处理，应用不用自己实现 TCP。
HTTP Header 与 Body 用 \r\n\r\n 分隔；HTTPS 多一层 TLS，涉及证书、密钥交换、握手，学习阶段先用 HTTP 地址。

1. HTTP 下载本质

最简单的 wget 可以分成：

解析 URL
 ↓
DNS
 ↓
建立 TCP
 ↓
发送 HTTP 请求
 ↓
接收 HTTP 响应
 ↓
去掉 Header
 ↓
保存 Body

例如：

1	http://example.com/test.bin

可解析成：

1
2
3

Host = example.com
Port = 80
Path = /test.bin

2. DNS

可使用：

1	getaddrinfo()

例如：

1 2	struct addrinfo *res; getaddrinfo("example.com", "80", NULL, &res);

它负责把域名解析成网络地址。

DNS 并不是一个简单的 Kernel syscall，通常由 libc resolver 配合网络 socket 完成。

3. 创建 TCP socket

1	int fd = socket(AF_INET, SOCK_STREAM, 0);

其中：

AF_INET
= IPv4

SOCK_STREAM
= TCP

Kernel 会返回一个文件描述符，例如：

4. 建立 TCP 连接

1	connect(fd, ...);

背后由 Kernel 处理：

ARP
TCP SYN
TCP ACK
重传
IP
Ethernet

应用不需要自己实现 TCP。

5. 发送 HTTP 请求

例如：

const char *req =
    "GET /test.bin HTTP/1.1\r\n"
    "Host: example.com\r\n"
    "Connection: close\r\n"
    "\r\n";

send(fd, req, strlen(req), 0);

6. 接收响应

1
2
3

while ((n = recv(fd, buf, sizeof(buf), 0)) > 0) {
    ...
}

服务器返回：

HTTP/1.1 200 OK
Content-Length: ...

<空行>
文件内容

HTTP Header 和 Body 通常用：

\r\n\r\n

分隔。

7. 保存文件

创建文件：

int out = open(
    "test.bin",
    O_CREAT | O_WRONLY | O_TRUNC,
    0644
);

然后：

1	write(out, data, len);

最终调用链：

recv
 ↓
应用程序
 ↓
write
 ↓
Kernel VFS
 ↓
文件系统
 ↓
存储设备

8. 最小 wget 所需接口

核心 API：

getaddrinfo
socket
connect
send
recv
open
write
close

因此通过实现一个简化 wget，可以一次学习：

DNS
TCP
socket
HTTP
文件 I/O
Linux API

9. 为什么先不做 HTTPS

HTTPS 比 HTTP 多一层 TLS：

HTTP
 ↓
TLS
 ↓
TCP
 ↓
IP

TLS 涉及：

证书
密钥交换
加密算法
握手
认证

实际项目一般使用：

1
2
3

OpenSSL
mbedTLS
wolfSSL

学习阶段先做：

1	http://192.168.x.x/file.bin

更容易理解底层机制。