golang nethttp包 http请求的字节码读取与解析。

Python018

golang nethttp包 http请求的字节码读取与解析。,第1张

先配置Header最长读取时间、req最长读取时间、req最大读取长度默认6M。

RFC7230禁止\r\n参数，Url中只允许包含英文字母（a-zA-Z）、数字（0-9）、-_.~4个特殊字符以及所有保留字符。但go net/http包放宽了这个要求。

先构建newTextprotoReader，由于缓冲区是对象复用的，用完后要defer put。共完以以下解析任务：

TextprotoReader数据结构，将字节码Reader转成文本Reader。

第一步，从第一行解析出method uri prototype。

第二步解析URL。url.URL数据结构：

解析Scheme，协议前缀（小写）。有查询参数?，则配置url.ForceQuery url.RawQuery。有认证信息///...//，则解析url.User url.Host。最后配置url.Path和url.RawPath，如果Path==RawPath，则RawPath=""。

第三步解析MIMEHeader。

第四步readTransfer。重新配置如下参数：RequestMethod ProtoMajor ProtoMinor Header Trailer ContentLength Close。对于Body，如果encodings支持chunked，读取流用chunkedReader包裹。默认情况用LimitedReader，无body赋空的struct{}。

以下情况返回非空err，示得到正确的请求：

最后配置req.ctx req.RemoteAddr req.TLS body.doEarlyClose = true。

构建Response:

其中closeNotifyCh必须在构建时初始化，没有content所以先置contentLength为-1。

配置w.cw并被w.w包裹。w.cw缓冲默认大小2M。

获取Request可能出现如下错误：

先上响应数据结构：

response字段可以分类为：大对象、缓冲、KV对或bool型的状态参数。

大对象有：

状态字段：

chunkWriter数据结构：

chunkWriter包裹了Response，功能之一是完成Header设置，包括Content-Type Content-Length chunk-header。bufio.Writer是chunkWriter是缓冲包裹。

handler将响应写入到response.w。

调用w.w.Flush()将w写入到cw，注意到Flush()操作，如果未刷空缓存并报错，触发拷贝操作。报错不会退回已写出的数据。

进而调用cw.Write()，根据cw.chunking参数。

putBufioWriter(w.w)清空resp.w缓冲，如果池化放回sync.pool。

根据chunkWriter的定义，w.cw.close()负责cw的结束工作：写入换行符和resp.trailers数据。

最后刷新TCP缓冲w.conn.bufw.Flush()，完成响应包发送。并正确关闭request。

上周从零学习了golang，语法简单关键字少，写个爬虫熟悉一下语法结构。

首先选用了原生的net/http包，基本上涵盖了所有的get/post请求，各种参数都可以设置，网上google到html页面解析goquery神器，很轻松就可以解决页面解析问题。

首先就写了个爬取汇率的爬虫。然后重写之前php的一个请求类，请求类的逻辑有点混乱不清晰，往往把两个不同的功能合并到一起写，粒度大，后来发现了一个好用的框架——colly，之后再试试好不好用

Windows 10 Golang

依赖包：goquery

较常用的方法有Find和Each

爬取中国银行的汇率牌价表，golang依赖net/http包和goquery包

唯一的难点是对于goquery方法的使用，需要阅读官方文档：

https://godoc.org/github.com/PuerkitoBio/goquery

使用原生的net/http包基本上可以解决大多数的网页请求，使用goquery可以解决页面解析问题

可以利用golang的协程特性进行异步多协程爬取

增加安全性可以通过几个方面进行改进：

1.首先可以限制爬虫的爬取速度

2.每次对网页的请求都随机选用一个客户端

3.选用IP代理池，防止IP误封（及限制ip访问次数）

构造请求代理ip网站的链接→获取网页内容→ 提取网页中IP地址和端口号→验证IP的有效性并存储

轻量级反爬虫方案

浅谈JSP

golang带json的Http请求

Get/Post

HTTP请求中的Form Data和Request Payload的区别

HTTP Json请求

https://zhuanlan.zhihu.com/p/32825491

https://blog.csdn.net/yang731227/article/details/83900422

net/http： https://studygolang.com/articles/9467

golang HTTP操作

python建立爬虫代理ip池

爬虫黑科技之让你的爬虫程序更像人类用户的行为

特点：事件监听，通过callback执行事件处理

基于colly开发的web管理界面