为什么Python socket在HTTP socket的recv循环期间不接收最后一个空值？

Question

我已经用Python 3编写了一个微型代理模块，简单地放在浏览器和web之间。我的目标只是代理来回的流量。程序的一个行为是将我得到的网站响应保存到本地目录中。

一切按我预期的方式工作，除了一个简单的事实，在循环中使用^ {CD1>}似乎永远不会产生在examples provided in the docs中隐含的空白^ {< CD2>}对象。实际上，每个在线示例都会讨论当服务器关闭时，通过套接字的空白字符串。

我的假设是通过keep-alive头发生了一些事情，远程服务器永远不会关闭套接字，除非达到它自己的超时阈值。是这样吗？如果是这样的话，我到底是如何检测有效载荷何时完成发送的呢？由于TCP的工作方式，观察接收到的数据小于我声明的块大小根本不起作用。

为了演示，下面的代码在Google的web服务器上打开一个图像文件的套接字。我从浏览器自己的请求中复制了实际的请求字符串。运行代码（记住，Python 3！）显示二进制图像数据接收到完成，但代码永远无法命中break语句。只有当服务器关闭套接字时（在大约3分钟的空闲时间后），此代码才真正到达文件末尾的print命令。

一个人到底是怎么绕过这个的？我的目标是不修改浏览器请求的行为-我不想把keep-alive头设置为false或类似的花哨的东西。答案是使用一些难看的超时（通过socket.settimeout()）？看起来很可笑，但我不知道还能做什么。

提前谢谢。

import socket

remote_host = 'www.google.com'
remote_port = 80

remote_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
remote_socket.connect((remote_host, remote_port))
remote_socket.sendall(b'GET http://www.google.com/images/logos/ps_logo2a_cp.png HTTP/1.1\r\nHost: www.google.com\r\nCache-Control: max-age=0\r\nPragma: no-cache\r\nUser-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.794.0 Safari/535.1\r\nAccept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8\r\nAccept-Encoding: gzip,deflate,sdch\r\nAccept-Language: en-US,en;q=0.8\r\nAccept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.3\r\n\r\n')

content = b''
while True:
    msg = remote_socket.recv(1024)
    if not msg:
        break
    print(msg)
    content += msg

print("DONE: %d" % len(content))

Answer 1

让服务器关闭连接的一个非常简单的方法是将此头添加到HTTP请求中：

Connection: close

默认情况下，允许HTTP/1.1服务器保持连接打开，以便您可以创建第二个请求。您仍然应该创建一个超时，这样当服务器忽略头时，您就不会缺少套接字。

Answer 2

如果您有一个keep-alive连接，那么在响应的头中会有一些消息长度的指示。见HTTP Message。缓冲区recv直到拥有完整的头（以空行结尾），确定消息正文长度，并准确地读取那么多信息。

这里有一个简单的类来缓冲TCP读取，直到读取了消息终止符或特定数量的字节。我把它添加到你的例子中：

import socket
import re

class MessageError(Exception): pass

class MessageReader(object):
    def __init__(self,sock):
        self.sock = sock
        self.buffer = b''

    def get_until(self,what):
        while what not in self.buffer:
            if not self._fill():
                return b''
        offset = self.buffer.find(what) + len(what)
        data,self.buffer = self.buffer[:offset],self.buffer[offset:]
        return data

    def get_bytes(self,size):
        while len(self.buffer) < size:
            if not self._fill():
                return b''
        data,self.buffer = self.buffer[:size],self.buffer[size:]
        return data

    def _fill(self):
        data = self.sock.recv(1024)
        if not data:
            if self.buffer:
                raise MessageError('socket closed with incomplete message')
            return False
        self.buffer += data
        return True

remote_host = 'www.google.com'
remote_port = 80

remote_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
remote_socket.connect((remote_host, remote_port))
remote_socket.sendall(b'GET http://www.google.com/images/logos/ps_logo2a_cp.png HTTP/1.1\r\nHost: www.google.com\r\nCache-Control: max-age=0\r\nPragma: no-cache\r\nUser-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.794.0 Safari/535.1\r\nAccept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8\r\nAccept-Encoding: gzip,deflate,sdch\r\nAccept-Language: en-US,en;q=0.8\r\nAccept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.3\r\n\r\n')
mr = MessageReader(remote_socket)
header = mr.get_until(b'\r\n\r\n')
print(header.decode('ascii'))
m = re.search(b'Content-Length: (\d+)',header)
if m:
    length = int(m.group(1))
    data = mr.get_bytes(length)
    print(data)
remote_socket.close()

输出

HTTP/1.1 200 OK
Content-Type: image/png
Last-Modified: Thu, 12 Aug 2010 00:42:08 GMT
Date: Tue, 21 Jun 2011 05:03:35 GMT
Expires: Tue, 21 Jun 2011 05:03:35 GMT
Cache-Control: private, max-age=31536000
X-Content-Type-Options: nosniff
Server: sffe
Content-Length: 6148
X-XSS-Protection: 1; mode=block


b'\x89PNG\r\n\x1a\n\x00\x00\x00\rIHDR\x00\x00\x01l\x00\x00\x00~\x08\x03\x00\ (rest omitted)

Answer 3

当tcp连接关闭时，它将发送最后一条空白消息，指示套接字已关闭。当您收到消息时，您很可能也应该关闭您一端的插座。