如何从 C 中的 HTTP 标头中提取数据？答案

【问题标题】：How to extract data from HTTP header in C?如何从 C 中的 HTTP 标头中提取数据？
【发布时间】：2023-03-13 21:30:01
【问题描述】：

今天我在问如何从我的recv() 中的 C（不是 C++）中的接收缓冲区中提取数据部分。

我只是需要一些建议，我将如何获得

HTTP/1.1 200 OK\r\n
Date: Mon, 23 May 2005 22:38:34 GMT\r\n
Server: Apache/1.3.3.7 (Unix) (Red-Hat/Linux)\r\n
Last-Modified: Wed, 08 Jan 2003 23:11:55 GMT\r\n
ETag: "3f80f-1b6-3e1cb03b"\r\n
Content-Type: text/html; charset=UTF-8\r\n
Content-Length: 131\r\n
Connection: close\r\n
\r\n

<html>
<head>
<title>An Example Page</title>
</head>
<body>
  Hello World, this is a very simple HTML document.
</body>
</html>

上述标题的部分？它存储在我的缓冲区中，我只想剖析数据（页面的源代码）。有什么想法吗？

【问题讨论】：

要回答的问题很多。
所以你只是想剥离标题？如果我是你，我会反省数据并尝试推断任务的最佳策略。
找到<html>并丢弃之前的一切？
也许最简单的方法是找到双\r\n，但你必须注意数据可能被分块或压缩压缩，所以不能跳过解析响应头。

标签： c http-headers winsock

【解决方案1】：

标头以\r\n\r\n 结尾。如果整个响应都在接收缓冲区中，并且您在响应末尾放置了'\0'，那么您可以使用以下代码找到数据部分的开头

char *data = strstr( buffer, "\r\n\r\n" );
if ( data != NULL )
{ 
    data += 4;
    // do something with the data
}

【讨论】：

【解决方案2】：

您需要实际解析数据，才能知道标头在哪里结束，消息数据从哪里开始，以及消息数据在哪里结束。标头以\r\n\r\n (CRLF+CRLF, 0x0D 0x0A 0x0D 0x0A) 字节序列结尾。所以你必须继续阅读，直到你遇到那个终结者。然后您必须解析标头以了解消息的其余部分是如何编码以及它是如何终止。有关规则，请参阅RFC 2616 Section 4.4 Message Length。这将告诉您如何读取剩余数据以及何时停止读取它。数据可能被分块或压缩或自行终止。 Content-Type 和 Transfer-Encoding 标头告诉您如何解释消息数据。

在您的特定示例中，在读取标头后，根据第 4.4 节，您将检索 Content-Length 标头的值，然后准确读取 131 个字节，停止读取并关闭套接字，因为 Connection: close 标头。然后，您将检索 Content-Type 标头的值并知道数据是 UTF-8 编码的 HTML 并相应地处理它。

查看我在之前的答案中发布的伪代码：

Receiving Chunked HTTP Data With Winsock

【讨论】：