# 4.3 万维网 (The World Wide Web)
万维网 (World Wide Web) 运行在互联网 (Internet) 上，两者经常混用但不是一回事。
互联网是传递数据的管道，各种程序都会用。其中传输最多数据的程序是分布在全球数百万个服务器上的万维网，可以通过浏览器进行访问。
## 4.3.1 超文本和超链接
万维网的最基本单位是单个页面 (page)，页面中有内容，也有去往其他页面的「超链接」(hyperlinks)，点击即可跳转。
在超链接出现之前，我们需要在文件系统中找到信息或是把地址输入搜索框，才能在计算机上看到另一个信息。
Vannevar Bush 所构想机器 Memex 对其有相关的形容：
\[!quote] “关联式索引.. 选一个物品会引起另一个物品被立即选中，将两样东西联系在一起的过程十分重要。在任何时候，当其中一件东西进入视线只需点一下按钮，立马就能回忆起另一件。”
在还未出现显示屏的 1945 年，这个想法非常超前。因文字超链接的强大，它有了一个专有名词「超文本」(hypertext)。如今的超文本通常指向另一个网页，然后由浏览器进行渲染。
## 4.3.2 URL
网页用于互相连接的唯一地址，称为「统一资源定位器」(Uniform Resource Locator, URL)。以访问 crash courses 的网页 thecrashcourse.com/courses 为例：
1. DNS 查找：输入 thecrashcourse.com 域名，输出对应 IP 地址。
2. 建立连接：浏览器请求与运行着网页服务器的 IP 地址建立起 TCP 连接，使用标准端口号 80。
3. 请求服务：使用「超文本传输协议」(Hypertext Transfer Protocol, HTTP) 来向服务器发送指令 “GET /courses”，来请求名为 “courses” 的页面。
4. 返回渲染：请求指令以”ASCII编码”发送到服务器后，服务器返回该地址所对应的网页，浏览器将网页渲染至屏幕上。
## 4.3.3 HTTP
HTTP 的第一个标准 HTTP 0.9 创建于 1991 年，只有一个 “GET” 指令。当用户在网页中点击其他超链接是，计算机会重新发送 GET 请求，浏览网页的过程就是不断重复发送 GET 请求的过程。
在之后的版本，HTTP 添加了放置在请求前的状态码 (status codes)，用于指明请求状态。
200 表示 OK - 网页找到了给你，而 400\~499 则代表客户端出错，比如 404 代表网页不存在。
## 4.3.4 HTML
因超文本的存储和发送都是以普通文本的形式进行，利用 ASCII 或 UTF-16 进行编码解释，需要通过一种标记方法来区分文本和连接，因此诞生了「超文本标记语言」(Hypertext Markup Language, HTML)。
HTML 第一版的版本号是 0.8，创建于 1990 年，有 18 种HTML指令，通常由一对开始标签和结束标签 (tag) 构成，基本指令如下：
* \ 标题 \
：一级标题。
* \ 文本 \ ：超链接。
* \\- 有序列表\
\
：无序列表。
将这些文字使用文本编辑器（记事本），另存为 “test.html” 后拖入浏览器即可打开该网页。
最新版本的 HTML 5 由 100 多种标签，包括图片标签、表格标签、表单标签、按钮标签等。
此外，还可以使用「层叠样式表」(Cascading Style Sheets, CSS) 和 JavaScript 等技术，加进网页来做一些更厉害的事。
## 4.3.5 浏览器
第一个浏览器和服务器是 Tim Berners-Lee 在 1990 年写的，一共花了 2 个月，同时他还建立了 URL, HTML 和 HTTP 这几个最基本的网络标准。
他在瑞士的”欧洲核子研究所”(CERN) 工作，已经研究超文本系统有十几年了。起初这个浏览器和服务器仅在 CERN 内部使用，1991 年对外发布，万维网就此诞生。
万维网带有开发标准，因此大家都可以开发新的服务器和浏览器。“伊利诺伊大学香槟分校”的一个小组在 1993 年做了 Mosaic 浏览器，这是第一个可以在文字旁边显示图片的浏览器。
此前浏览图片需要单独开启新窗口，Mosaic 还引进了书签等新功能，界面友好，使它很受欢迎。
1990 年代末有许多浏览器面世，比如 Netscape Navigator, Internet Explorer, Opera, OmniWeb, Mozilla。同时也有很多服务器面世, 比如 Apache 和 微软互联网信息服务(Microsoft’s Internet Information Services, IIS)。在这个黄金时代中，也诞生了许多网络巨头，如创始于 1990 年代中期的亚马逊和 eBay。
## 4.3.6 搜索引擎
### 门户网站
随着网页日益增多，寻找所需内容变得困难。起初人们会维护一个链接到其他网站的目录。
其中最有名的叫 “Jerry和David的万维网指南” (Jerry and David’s guide to the World Wide Web)，它在 1994 年改名为 Yahoo。
随着网络越来越大，人工编辑的目录变得不便利，于是出现了「搜索引擎」(search engines)。
### Jump Station
最像现代搜索引擎的最早搜索引擎是由 Jonathon Fletcher 于 1993 年在斯特林大学创建的 JumpStation，它由三部分组成：
1. 爬虫 (web crawler)：顺着链接不停探索的软件，看到新链接时将其加入自己的列表当中。
2. 索引 (index)：记录爬虫访问过的网页中，出现过哪些关键词。
3. 搜索算法 (search algorithm)：用于排序匹配上关键词的网页先后顺序。
### Google
早期搜索引擎的算法仅取决于搜索词在页面上的出现次数，有些内容农场会不断重复热门搜索词来吸引人们，拉低信息搜索质量。Google 创造了一个算法来规避这个问题，就此成名。
与其信任网页上的内容，不如信任其他网站链接到这个网站的”反向链接”数量，而反向链接中有信誉的网站占比越大，则可认为网站质量越高。
Google 一开始时是 1996 年斯坦福大学中名为 BackRub 的一个研究项目，两年后分离出来，演变成如今的谷歌。
## 4.3.7 网络中立性
网络中立性 (Net Neutrality) 是指应该平等对待所有数据包，不论它的内容是什么，其传输速度和优先级应当是一致的。
有些公司会乐意通过故意给某些数据更少带宽和更低优先级的方式，来使得自己的数据优先到达，这种方式为「节流」(Throttled) 。
支持”网络中立性”的人认为失去中立性后，服务商可以推出提速的”高级套餐”，为剥削性商业模式埋下种子，使得龙头企业拥有特权优势，而初创公司出于劣势，不利于创新。另一方面，从技术原因来看，我们也很容易希望即时通讯的消息比邮件的优先级更高、更快到达。
而反对”网络中立性”的人认为，市场竞争会阻碍不良行为。如果供应商把客户喜欢的网站降速，客户会离开供应商。