一、核心结论:两类场景下的 "数量"
HTTP 标准规范明确定义的方法:有9 种常用标准方法(HTTP/1.1 规范,RFC 7231),后续 HTTP/2、HTTP/3 均兼容这些核心方法,无新增核心标准方法;
广义上的 HTTP 方法:数量不固定(可认为是 "无限可扩展"),因为 HTTP 协议本身支持自定义请求方法。
二、HTTP/1.1 核心 9 种标准请求方法(常用 + 必备)
这 9 种是被标准化认可、具备明确语义、所有 HTTP 客户端 / 服务端都应兼容的方法,各自用途清晰:
方法名 核心用途 关键特性
GET 从服务器获取资源(如查询网页、图片) 安全、幂等、可缓存,请求体一般无意义(部分场景允许但不推荐)
POST 向服务器提交资源(如表单提交、创建数据) 不安全、非幂等,可携带大量数据,请求体必传有效载荷
PUT 向服务器更新 / 替换资源(全量更新) 不安全、幂等,若资源不存在则可能创建该资源
DELETE 从服务器删除指定资源 不安全、幂等
HEAD 仅获取资源的响应头信息(不返回响应体) 安全、幂等、可缓存,语义与 GET 一致,仅省略响应体
OPTIONS 探测服务器支持的 HTTP 方法 / 跨域配置(如 CORS 预检请求) 安全、幂等
CONNECT 建立与目标服务器的隧道连接(如 HTTPS 代理、WebSocket 握手) 不安全、非幂等
TRACE 回显服务器收到的请求,用于调试 / 诊断(验证请求传输是否完整) 安全、幂等,因安全风险(跨站追踪)通常被服务器禁用
PATCH 向服务器部分更新资源(无需全量替换,补充 PUT) 不安全、非幂等,RFC 5789 补充定义(归为标准方法)
三、扩展:HTTP 方法的 "可扩展性"(数量不固定)
HTTP 协议的设计具备灵活性,允许自定义非标准的请求方法,这也是广义上 HTTP 方法数量不固定的原因:
自定义规则:只要方法名符合 "大写英文字母、无空格、长度合理" 的格式,即可作为自定义 HTTP 方法(如COPY、MOVE、LOCK等,常见于 WebDAV 协议扩展);
适用场景:主要用于特定业务场景或专用协议(如 WebDAV 用于文件管理),但不具备通用性 —— 多数通用 HTTP 客户端(如 Postman)、服务端框架(如 Spring Boot)对自定义方法的支持有限;
注意事项:自定义方法无统一标准化语义,不同系统间可能存在解读差异,仅适合内部封闭系统使用,不推荐在公开接口中采用。
总结
日常开发、面试答题中,核心关注9 种 HTTP/1.1 标准方法即可,其中 GET、POST、PUT、DELETE 是最常用的 "四大金刚";
广义上 HTTP 方法无固定数量,支持自定义扩展,仅适用于特定场景;
区分方法的 "安全 / 幂等" 特性,是正确使用 HTTP 方法的关键(如查询操作优先用 GET,创建操作优先用 POST)。
http请求的方法一共多少种
张小明
前端开发工程师
K型热电偶温度控制仪,热电偶温度采集电路+OLED+蜂鸣器电路+风扇控制电路+EEROM电路
K型热电偶温度控制仪,热电偶温度采集电路OLED蜂鸣器电路风扇控制电路EEROM电路,STM32F103C8T6 AD工程文件,含原理图和PCB。☆☆☆☆☆ 特别适合做此类项目工程师参考,新手也可作为STM32103工程模板使用。最近在整理工作室硬盘的时…
YOLO模型支持可观测性?Metrics/Logs/Tracing on GPU
YOLO模型支持可观测性?Metrics/Logs/Tracing on GPU 在智能制造工厂的边缘服务器上,一台搭载多块A100显卡的设备正同时运行着十几路视频流的目标检测任务。突然,某条产线的误检率开始飙升,而监控系统只显示“模型推理正常”——没…
YOLO目标检测支持定时任务?周期性调用GPU服务
YOLO目标检测支持定时任务?周期性调用GPU服务 在智能制造车间的某个深夜,六台摄像头静默地记录着空旷的产线。没有实时视频流在大屏上跳动,也没有AI服务器风扇轰鸣——但每隔一小时,一台GPU服务器悄然“苏醒”,在几秒内…
YOLO模型支持A/B测试?双模型并发运行在GPU上
YOLO模型支持A/B测试?双模型并发运行在GPU上 在智能制造工厂的质检线上,一台摄像头正以每秒30帧的速度捕捉电路板图像。突然,系统提示“新版本检测模型上线”——但你并没有看到任何服务中断或延迟飙升。这是因为,旧模型仍在后台默…
YOLO目标检测支持数据校验?GPU并行验证准确性
YOLO目标检测支持数据校验?GPU并行验证准确性 在工业质检流水线上,一台AI相机连续数小时运行后突然开始将空包装盒误判为“合格产品”——排查日志发现,并非模型出了问题,而是摄像头因震动导致图像帧出现轻微偏移,输入…
YOLO单阶段检测为何如此高效?架构设计与GPU资源匹配详解
YOLO单阶段检测为何如此高效?架构设计与GPU资源匹配详解 在智能制造产线飞速运转的今天,每一秒都可能决定数千件产品的命运。一个微小的焊点缺失、一粒异物混入包装——这些看似不起眼的问题,若未能被及时捕捉,就可能导致整批产品…