ChatGPT解决这个技术问题 Extra ChatGPT

使用 curl 时如何正确处理压缩页面?

我编写了一个 bash 脚本,它使用 curl 从网站获取输出,并对 html 输出进行一系列字符串操作。问题是当我对一个返回其输出 gzip 的站点运行它时。在浏览器中访问该站点可以正常工作。

当我手动运行 curl 时,我得到 gzipped 输出:

$ curl "http://example.com"

这是该特定站点的标题:

HTTP/1.1 200 OK
Server: nginx
Content-Type: text/html; charset=utf-8
X-Powered-By: PHP/5.2.17
Last-Modified: Sat, 03 Dec 2011 00:07:57 GMT
ETag: "6c38e1154f32dbd9ba211db8ad189b27"
Expires: Sun, 19 Nov 1978 05:00:00 GMT
Cache-Control: must-revalidate
Content-Encoding: gzip
Content-Length: 7796
Date: Sat, 03 Dec 2011 00:46:22 GMT
X-Varnish: 1509870407 1509810501
Age: 504
Via: 1.1 varnish
Connection: keep-alive
X-Cache-Svr: p2137050.pubip.peer1.net
X-Cache: HIT
X-Cache-Hits: 425

我知道返回的数据是 gzip 压缩的,因为这会返回 html,如预期的那样:

$ curl "http://example.com" | gunzip

我不想通过 gunzip 管道输出,因为脚本在其他站点上按原样工作,并且通过 gzip 管道会破坏该功能。

我试过的

更改用户代理(我尝试了浏览器发送的相同字符串,“Mozilla/4.0”等) man curl google search search stackoverflow

一切都是空的

有任何想法吗?

对我来说,问题在于 cURL 无法解压缩 Brotli (curl 7.54.0 (x86_64-apple-darwin17.0) libcurl/7.54.0 LibreSSL/2.0.20 zlib/1.2.11 nghttp2/1.24.0) - 通过从 Accept-Encoding 中删除 br 解决了这个问题。见stackoverflow.com/questions/18983719/…
据说这种行为已经改变。单独尝试 curl -sSv https://stackoverflow.com/ |& rg -i 'gzip|accept',并与 --compressed 一起尝试。除非 curl 通过 Accept-Encoding,否则服务器不会压缩响应。

M
Martin

如果您设置 --compressed 标志,curl 将自动解压缩响应:

curl --compressed "http://example.com"

--compressed (HTTP) 使用 libcurl 支持的算法之一请求压缩响应,并保存未压缩的文档。如果使用了这个选项并且服务器发送了一个不支持的编码,curl 会报错。

gzip 很可能受支持,但您可以通过运行 curl -V 并在“功能”行中的某处查找 libz 来检查:

$ curl -V
...
Protocols: ...
Features: GSS-Negotiate IDN IPv6 Largefile NTLM SSL libz 

请注意,这里确实是有问题的网站。如果 curl 未传递 Accept-Encoding: gzip 请求标头,则服务器不应发送压缩响应。


这似乎是一个 curl 错误,因为它应该根据响应触发其解码,而不是根据它的请求(假设它确实支持 gzip)。引用 HTTP 1.1:“如果请求中不存在 Accept-Encoding 字段,则服务器可以假设客户端将接受任何内容编码。”但它确实继续说,在这种情况下,服务器不应该对内容进行编码,嗯,去看看。
实际上在我的版本上有效 --comp --compress --compressed
这也设置了请求头:“Accept-Encoding: deflate, gzip”这很好,因为如果服务器提供 gzip 而没有 gzip,你只需要 --compressed 而不是自己添加接受编码头
在 1 分钟内帮助我的 QA 解决方案!谢谢你 !也就是说,我的应用程序实际上是使用 Content-Encoding: gzip 发送 gzip 响应。浏览器和现代工具(例如 httpie)会自动处理它。我猜 curl 只需要一个“提示”
令人惊讶的是,设置 Accept-Encoding: deflate, gzip 是不够的 - 即使服务器返回带有 Content-Encoding: gzip 的 gzip 响应,curl 也不会自动解压缩它。 --compressed 标志是必需的。
c
cweiske

在相关的错误报告 Raw compressed output when not using --compressed but server returns gzip data #2836 中,开发人员说:

服务器不应该发送 content-encoding: gzip 没有客户端发出信号可以接受。

此外,当您不将 --compressed 与 curl 一起使用时,您会告诉命令行工具您宁愿存储确切的流(压缩与否)。我在这里没有看到卷曲错误......

因此,如果服务器可以发送 gzip 压缩的内容,请使用 --compressed 让 curl 自动解压缩它。


这并不总是合理或可能的。如果您不拥有的服务器配置不正确,您不太可能让他们修复它。防御性编码是解决这个问题的好方法。请参阅 comment by George Lund,了解 Everything is Broken ™ 的另一个原因。
我不想在所有人中反驳他,因为我认为他非常了解 HTTP,但是……“服务器不应该发送内容编码:gzip 没有客户端发出可以接受的信号。”问题是,curl 确实 通过省略 Accept-Encoding 标头表示它是可以接受的。该标准规定,在这种情况下,“如果请求中没有 Accept-Encoding 字段,则用户代理认为任何内容编码都是可接受的。” (我认为,要表示不接受任何编码,需要 Accept-Encoding: identity 或 `*;q=0,或空标题。)