正文

通过HTTP的HEADER完成各种骚操作

IP云
IP云V管理员/7 阅读
08/26
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

作为一名专业的切图工程师，我从来不care网页的header，最多关心Status Code是不是200。但是HEADER真的很重要啊，客户端从服务器端获取内容，首先就是通过HEADER进行各种沟通！HEADER可以帮助我们完成许多骚操作，提高网站的性能，用户的体验。好了让我们来feel一下。

初级骚操作

  • 多语言（Accept-Language）
  • 防盗链（Referer、Referered）
  • gzip，简单地说就是省流量（Accept-Encoding，Content-Encoding）

多语言

多语言就是一个网站可以实现多种语言的切换，这里不讨论建N个网站，一个网站也个语言。这里讨论如何智能返回用户所需的语言。

serverclient
向server扔过去了Accept-Language
接收对方的Accept-Language
字段大概这样子zh,en-US;q=0.9,en;q=0.8
开始处理，将字段变成带权重q的数组
排序好大概长这样[{"name":"zh","q":1},{"name":"en-US","q":0.9},{"name":"en","q":0.8}]
根据权重返回拥有的语言，有zh返回zh，没有zh就返回en-US
万一我没有对方需要的语言包，怎么办？急，在线等！
没办法了，只能给对方我们的官方（默认）语言
发送，请接收
您的ACCEPT语言已匹配这个网站挺上道的，虽然是国外网站，但知道我是中文
我们没有你所在地区的语言包emmmm，这是火星文吗？

附赠多语言的简易实现版：

let languages = {
zh:{
title:"你好",
content:"同学"
},
en:{
title:"Hey",
content:"guy"
},
}
//设置默认语言，万一用户的语言我们不支持呢？
let defaultLanguage="zh"
let http = require('http');
function getLanguage(client_langs){
let finalLanguage=defaultLanguage
try{
if(client_langs){
//排序获取语言顺序
client_langs=client_langs.split(',').map(l=>{
let [name,q] = l.split(';');
q = q?Number(q.split('=')[1]):1
return {name,q}
}).sort((a,b)=>b.q-a.q);
//匹配服务器有的语言，并返回
for(let i = 0 ;i <languages.length;i++){
let name= languages[i].name;
if(languages[name]){
finalLanguage=name;
break;
}
}
}
}catch(e){}
return languages[finalLanguage]
}
http.createServer(function (req,res) {
//获取客户端的语言
let client_langs = req.headers['Accept-Language'];
let lan=getLanguage(client_langs)
//将语言打印到客户端
res.end(`<p>${lan.title}</p><p>${lan.content}</p>`)
}).listen(3000);

防盗链

这个技术用的最多的应该就是对于图片的限制，只有本域名可以获取到，其他域名想都不要想。

serverclient
在某网站上请求了一张图片
通过Referer，Referered发现此网站域名不在我方白名单内
此图片不提供给某网站
此时po上了一张万用土
支持正版请上我们网站

实现原理，此处我用iframe来做例子，其实原理很简单就是对比来源，要么和请求资源一致要么在白名单内，不然就拒绝。当然如果没有来源的情况下就直接放行，万一人家是单独打开的呢，不是盗链：

let http = require('http');
let fs = require('fs');
let url = require('url');
let path = require('path');
// 设置白名单
let whiteList = ['localhost:3000'];
http.createServer(function (req,res) {
//获取请求地址
let { pathname } = url.parse(req.url);
// 获取物理地址
let realPath = path.join(__dirname,pathname);
// 获取文件状态
fs.stat(realPath,function(err,statObj) {
if(err){
res.statusCode = 404;
res.end();
}else{
// 重点来了
let Referer = req.headers['Referer'] || req.headers['referred'];
//如果有来源
if(Referer){
//获取双方域名
let current = req.headers['host']
Referer = url.parse(Referer).host
console.log(current,Referer)
//如果域名相同活在白名单中，放行！
if (current === Referer || whiteList.includes(Referer)){
fs.createReadStream(realPath).pipe(res);
}else{
//不放行，此乃盗链！给你个眼神自行体会
fs.createReadStream(path.join(__dirname,'files/2.html')).pipe(res);
}
}else{
//没有来源，也放行。万一是单独打开的呢～
fs.createReadStream(realPath).pipe(res);
}
}
})
}).listen(3000);

gzip

现代浏览器很高级，已经可以接受压缩包了。佩服佩服。那么该如何传输压缩的网页呢？

serverclient
向server扔过去了Accept-Encoding
大概结构是这样的gzip, deflate, br
get到了对方的用意，开始配置压缩
如果支持压缩，先设置个头部Content-Encoding
有很多种压缩方式，按照server优先支持的匹配
在线压缩网页，成功后返回client
欢欢喜喜省了流量，而且不影响体验

附赠建议代码，大家测试的时候，别忘了创建测试的html文件

let http = require('http');
//用于压缩文件所需的库
let fs = require('fs');
let path = require('path');
//压缩的库
let zlib = require('zlib');
http.createServer(function (req,res) {
//获取客户端接受的压缩方式
let rule = req.headers['Accept-Encoding'];
// 创建原文件可读流
let originStream=fs.createReadStream(path.join(__dirname, '1.html'));
if(rule){
// 啊啊啊！正则是个坎，我怕我是跨不过去了。
if(rule.match(/\bgzip\b/)){
//如果支持压缩！一定要设置头部！
res.setHeader('Content-Encoding','gzip');
originStream=originStream.pipe(zlib.createGzip())
} else if (rule.match(/\bdeflate\b/)){
res.setHeader('Content-Encoding', 'deflate');
originStream=originStream.pipe(zlib.createDeflate())
}
}
// 输出处理后的可读流
originStream.pipe(res)
}).listen(3000);

中级操作

初级操作大多只需要靠配置HEADER即可以实现，中级我们当然要难一点，大多需要client和server打配合。

  • client给server发送内容(Content-Type、Content-Length)
  • client从server获取内容(Range、Content-Range)
  • client爬虫，抓取网页

client给server发送内容

serverclient
给你了一串数据，你给处理下
没头没脑，谁知道你要做什么，请设置好HEADER
好吧，告诉你Content-Type和Content-Length
可以可以，数据的内容类型是长度是很必要的
把数据传给你了，你看一下
收到～监听收到的数据是一组Buffer
接受完毕，合并Buffer
根据Content-Type对数据进行处理
格式化数据，end

Server代码

let http = require('http');
let server = http.createServer();
let arr=[]
server.on('request', (req, res)=>{
req.on('data',function (data) {
//把获取到的Buffer数据都放入熟组
arr.push(data);
});
req.on('end',function() {
// 请求结束了，好了可以开始处理断断续续收到的Buffer了
// 合并buffer
let r = Buffer.concat(arr).toString();
if (req.headers['content-type'] === 'x-www-form-urlencoded'){
let querystring = require('querystring');
r = querystring.parse(r); // a=1&b=2然后格式化
console.log("querystring",r);
} else if (req.headers['content-type'] === 'application/json'){
//听说是JSON格式的
console.log("json",JSON.parse(r));
} else{
//没有格式？那原来是啥就是啥吧。
console.log("no type",r);
}
arr=[]
res.end('结束了！');
});
})
server.listen(3000,()=>{
console.log(`server start`);
});

Client代码

// 设置请求地址的配置
let opts = {
host:'localhost',
port:3000,
path:'/',
// 头部设置很重要，头部设置很重要，头部设置很重要
headers:{
'Content-Type':'x-www-form-urlencoded',
//长度超过3就没有人理你了
"Content-Length":7
}
}
let http = require('http');
let client = http.request(opts,function (res) {
res.on('data',function (data) {
console.log(data);
})
});
client.end("a=1&b=2");

client从server获取部分内容

serverclient
我想要资源的部分内容
可以啊，告诉我范围
我放在HEADER中的Range了，bytes=0-3
Content-Range:bytes 0-3/7，请接受，此文件一共8字节，前3字节已经给你了好的，那么把接下来的给我吧，bytes=4-7
给你给你都给你end

大家都发现了吧，这样的range获取数据，完全是断点续传的简陋版啊！不过这边有一个点容易犯错就是文件大小的计算，因为文件字节的位置是按照0开始算，所以range的全范围都是0～size-1/size-1，大家注意下。

server 端

let http = require('http');
let fs = require('fs');
let path = require('path');
// 当前要下载的文件的大小
let size = fs.statSync(path.join(__dirname, 'my.txt')).size;
let server = http.createServer(function (req, res) {
let range = req.headers['range']; //获取client请求访问的部分内容
if (range) {
let [, start, end] = range.match(/(\d*)-(\d*)/);
start = start ? Number(start) : 0;
end = end ? Number(end) : size - 1; // 10个字节 size 10 （0-9）
console.log(`bytes ${start}-${end}/${size - 1}`)
res.setHeader('Content-Range', `bytes ${start}-${end}/${size - 1}`);
fs.createReadStream(path.join(__dirname, 'my.txt'), { start, end }).pipe(res);
} else {
// 会把文件的内容写给客户端
fs.createReadStream(path.join(__dirname, 'my.txt')).pipe(res);
}
});
server.listen(3000);

client端

let opts = {
host:'localhost',
port:3000,
headers:{}
}
let http = require('http');
let start = 0;
let fs = require('fs');
function download() {
//分流下载，部分下载
opts.headers.Range = `bytes=${start}-${start+3}`;
start+=4;
let client = http.request(opts,function (res) {
let total = res.headers['content-range'].split('/')[1];
res.on('data',function (data) {
fs.appendFileSync('./download.txt',data);
});
res.on('end',function () {
//结束之后，1s之后再下载
setTimeout(() => {
console.log(start,total)
if (start <= total)
download();
}, 1000);
})
});
client.end();
}
download()

client抓取网页内容，简易爬虫

这一块的操作其实很简单，只要建一个请求获取到网页就可以了。

难点在于：如何将游游有用信息剥离网页，过滤掉无用信息。

我这里抓去了百度的娱乐版，百度还算良心，是utf8的，不然就要乱码了。

let http = require('http');
let opts = {
host:'news.baidu.com',
path:'/ent'
}
//创建一个请求，获取网站内容
let client = http.request(opts,function (r) {
let arr= [];
//资源不可能一次下载完成，因此每次获取到数据都要push到arr中
r.on('data',function (data) {
arr.push(data);
});
r.on('end',function() {
//合并资源
let result = Buffer.concat(arr).toString();
//对资源进行处理，可以是变成我这样的对象，之后不管做什么处理都很方便
let content = result.match(/<ul class="ulist mix-ulist">(?:[\s\S]*?)<\/ul>/img).toString().match(/<li>(?:[\s\S]*?)<\/li>/img);
content=content.map((c)=>{
let href=/<a href="(?:[\S]*?)"/img.exec(c)
let title=/">(?:[\s\S]*?)<\/a>/img.exec(c)
return {
href:href[0].replace(/"/img,"").replace("<a href=",""),
title:title[0].replace(/">/img,"").replace("</a>","")
}
})
console.log(JSON.stringify(content))
arr= [];
})
});
client.end();