URLの次は要求の形を決める
https://learn.example/lesson?q=cacheという住所を取得する場面を考えます。この教材ではHTTP/1.1の固定例を使い、要求行をGET /lesson?q=cache HTTP/1.1、Hostをlearn.exampleとします。フラグメントは要求対象に含めません。メソッド、要求対象、バージョンはそれぞれ別の値であり、表示用のURL全体を一つの文字列として詰めればよいわけではありません。HTTPSの暗号化はこのメッセージを運ぶ別の層です。最初は通信せず、同じバイト列を何度も解析して結果を比べます。
要求行を組み立てる実装は、メソッドやパスに改行を含む入力をそのまま連結しないようにします。改行を許すと、意図しないヘッダーや別の要求のような形を作れるためです。学習用の固定例では、メソッドをGETに制限し、解析済みURLから要求対象を得ます。Hostも解析結果から作り、表示用の文字列を再分割して取得しません。一つの要求を記録するときには、URLの解釈結果と実際に構築したメッセージを並べ、クエリが保持され、フラグメントが除かれ、ヘッダー節の後に空行があることを別々に検査します。形式の試験は、外部の通信先を用意しなくても実行できます。
ヘッダーの終わりを先に確定する
HTTP/1.1のこの例では、行末をCRLF、ヘッダー節の終わりをCRLFが二組続く位置で識別します。状態行の次からヘッダーを読み、空行の後ろを本文候補として扱います。本文の中にも改行やコロンは現れ得るため、全体をコロンで分割してはいけません。ヘッダー名の比較では大文字小文字を区別しませんが、値の扱いはフィールドの規則に依存します。教材用の入口では、重複したContent-LengthやTransfer-Encodingなど、未対応で曖昧になり得る形を受け入れず、理由を示します。
Content-Lengthは文字数ではなくバイト数
本文がUTF-8の「あ」一文字なら、その表現は3バイトです。Content-Length: 3は、その3バイトを数えます。JavaScriptの文字列lengthをそのまま本文長に使うと、このような入力で期待値が合いません。受信処理ではUint8Arrayなどでバイトを保持し、必要な長さがそろった後に文字コードに従って本文を復号します。ヘッダーを切り出した位置と本文の開始位置も、文字列上の見た目ではなくバイトの位置として記録します。圧縮された表現なら、転送された表現の長さと展開後の長さも別に扱います。
バイト列の解析では、受信済みの長さ、ヘッダー終端、必要な本文長、未消費部分の開始位置を明示します。たとえばヘッダーの終わりをH、本文長を3とすれば、このメッセージが必要とする末尾位置はH+3です。受信済みがH+2ならあと1バイトを待ち、H+5なら2バイトを残します。Hはヘッダー文字数ではなく、空行を含めた終端直後のバイト位置です。上限を設けず入力をため続ける実装は、大きすぎるヘッダーや本文で資源を消費します。教材でもヘッダー長と本文長へ上限を置き、上限超過と受信途中を異なる状態で返す構成にします。
const body = new TextEncoder().encode('あ');
console.assert(body.byteLength === 3);
console.assert('あ'.length === 1);
const header = `HTTP/1.1 200 OK\r\nContent-Length: ${body.byteLength}\r\n\r\n`;
console.assert(header.endsWith('\r\n\r\n'));受信一回とメッセージ一件を同一視しない
ソケットから一度に返ったデータが、HTTPメッセージ全体とは限りません。Content-Lengthという名前の途中で分割されることも、本文のUTF-8文字の途中で分割されることもあります。逆に、必要な本文の後ろへ次のメッセージのデータが続くこともあります。そこで解析器は「ヘッダー待ち」「本文待ち」「一件完了」と段階を持ち、未消費バイトを残します。途中で入力が終わったときは成功扱いにせず、足りない長さを示します。デモでは受信片の切り方だけを変え、完成した結果が変わらないことを確かめます。
状態コードだけで本文長を決めない
200、404などの状態コードは応答の意味に関わりますが、それだけで本文が何バイトあるかは決まりません。またHEADへの応答や204、304など、本文の扱いに特別な規則がある応答も存在します。最初の課題は通常のGETに対する200応答と一つのContent-Lengthへ限定します。対応範囲を広げるときは、本文なしの応答、chunked形式、接続終了による区切りなどを別々の試験で追加してください。対応していない形式を空の本文として受け入れると、残ったバイトを次の応答として誤解する原因になります。
HTTPの本文境界には優先する規則があり、見つかったContent-Lengthだけを無条件に使う設計にはできません。この教材で未対応形式を拒否するのは、その全規則を省いたまま偶然動いた例を一般化しないためです。固定例の解析器には、対応する要求メソッドと状態コードを入力の前提として与え、Transfer-Encodingを見つけたら未対応として停止させます。これはchunked形式が不正という意味ではありません。機能を追加する際は、長さの数字を読む試験だけでなく、受け付ける組合せと拒否する組合せを表にします。中途半端に複数の区切り方式を受け入れないことが、次の実装へ進む条件です。
解析結果をHTML処理へ渡す
HTTP解析器の出力は、状態、ヘッダー、本文のバイト列、残った入力です。HTML解析器へ渡す前には、応答の種類や文字コードなどを確認する責任があります。404のHTMLにもDOMは作れるため、エラー状態だから本文解析が必ず失敗するわけではありません。逆に200でも、画像やJSONの本文をHTMLとして解釈するべきとは限りません。まず固定したtext/htmlのUTF-8文書を使い、通信の成功と文書として表示する判断を分けて追います。リダイレクトやキャッシュは、正しいメッセージ境界の上へ追加する機能です。
課題:二つの受信片を結合して判定する
Content-Length: 5のヘッダーがそろった後、本文候補が最初にAB、次にCDEと届きました。最初の受信時は2バイトだけなので本文待ち、二度目でABCDEがそろい完了です。二度目がCDEFGなら、本文はABCDEで、FGは未消費のまま残します。さらに本文が「あ」で長さ3なら、1バイトと2バイトに分割して渡しても、完成後には同じ文字が得られるはずです。受信回数、本文長、復号後の文字数を別々に答え、欠けた入力を成功にしないことが課題の到達点です。
再現試験は、固定メッセージを任意の一か所で二分し、前半、後半の順で解析器へ渡す形にできます。分割点を先頭から末尾まで変えれば、状態行の途中、ヘッダー終端の途中、本文の途中を機械的に試せます。完成した状態と本文が常に同じで、途中の入力だけでは誤って完了しないことを確認してください。さらに末尾を1バイト削る試験では、最後まで読んでも未完了になるはずです。実際のネットワークでたまたま一括受信できたことは、この性質の代わりにはなりません。同じ解析器へ三分割や一文字ずつの入力も渡せる設計にすると、状態の保存の不備を見つけやすくなります。