Python 正则表达式帮助（httplib2 cookie）答案

【问题标题】：Python Regex Help (httplib2 cookies)Python 正则表达式帮助（httplib2 cookie）
【发布时间】：2010-02-20 04:04:35
【问题描述】：

和这个问题的发帖人有同样的问题： httplib2, how to set more than one cookie?

cookie 看起来像这样..

PHPSESSID=8527b5532b6018aec4159d81f69765bd; path=/; expires=Fri, 19-Feb-2010 13:52:51 GMT, id=1578; expires=Mon, 22-Feb-2010 13:37:51 GMT, password=123456; expires=Mon, 22-Feb-2010 13:37:51 GMT, sid=8527b5532b6018aec4159d81f69765bd

注意它如何使用逗号和分号来分隔 cookie，但 cookie 本身也使用逗号。

这对我来说太复杂了，无法编写正则表达式来正确分隔它们，如果有人想试一试，将不胜感激！

【问题讨论】：

“所以组合是……一、二、三、四、五、[六]？这是我这辈子听过的最愚蠢的组合！白痴会做的那种事放在他的行李上！” - 暗头盔（有附加）

标签： python regex cookies httplib2

【解决方案1】：

你试过cookielib/http.cookiejar吗？

如果您将 cookie 解释为这样

PHPSESSID=8527b5532b6018aec4159d81f69765bd;
path=/;
expires=Fri, 19-Feb-2010 13:52:51 GMT, id=1578;
expires=Mon, 22-Feb-2010 13:37:51 GMT, password=123456; 
expires=Mon, 22-Feb-2010 13:37:51 GMT, sid=8527b5532b6018aec4159d81f69765bd

那么只有分号是真正的分隔符，而逗号分隔符只是由于前面的到期日期。

如果您对过期日期不感兴趣，那么您可以使用 1 个正则表达式来过滤掉过期日期，例如

s/expires=[^,]+,[^,]+, //g

然后用;分隔整个字符串，并将它们解析为key=value对。

【讨论】：

谢谢，但是使用它的不仅仅是过期。我没有包含完整的 cookie，它具有以下内容：path=/, hash=0800fc577294c34e0b28ad2839435945;我还没有查看许多其他 cookie 标头，但我认为其他人也会像这样使用逗号，因此它不像过滤掉某些键值那么简单。

【解决方案2】：

注意它如何使用逗号和分号来分隔 cookie，但 cookie 本身也使用逗号。

正如引用的那样，模棱两可的逗号使字符串无法用正则表达式或任何其他工具解析。那个字符串是从哪里来的？

作为Set-Cookie: 标头值，它将完全无效，并且在任何浏览器中都不起作用。浏览器会将 PHPSESSID 设置为会话 cookie（因为过期日期格式因额外的逗号无效），而忽略其余部分。多个 cookie 必须设置多个 Set-Cookie 标头，而不是合并为一个。

编辑：好的，似乎正在发生的是 httplib2 正在使用 stdlib email 包处理 HTTP 响应数据来解析标头。在电子邮件中，RFC822 系列标准要求具有相同名称的多个标头（例如，To: 地址）等效于单个标头，其值由逗号连接。

但是，HTTP 响应明确不是 RFC822 系列标准；以这种方式处理它们是完全不合适的。看起来，通过使用email 来解析HTTP 响应，httplib2 使自己无法正确处理任何多次使用的标头，而Set-Cookie 标头经常被这样使用。出于这个原因，我认为httplib2 从根本上被破坏了，建议不要使用它。

【讨论】：

这正是它从 httplib2 中的 Set-Cookie 响应标头提供给我的方式看一下代码，它们没有任何关系。对 httplib2 中处理标头的方式进行调整可能是可行的方法，尽管我真的不知道有什么变化。这是粘贴箱：pastebin.ca/1802685
啊，好的。查看代码，这是httplib2 中的一个错误（见编辑）。 urllib 允许您通过使用 getheaders('Header-Name') 而不是 getheader 来获得多个标题而不会出现这种损坏的逗号组合。但httplib2 中似乎没有此类设施。
实现这样的东西有多难？
首先，您必须使用存储多个标头的适当 HTTP 响应解析器替换使用 email.FeedParser 进行标头解析（参见 httplib2/__init__.py 的第 1035 行）。然后你必须想出一个新的界面来访问它们。
除非您在httplib2 之上构建了大量工作，否则使用不同的 HTTP 库可能会更容易。您需要哪些 stdlib urllib 和 httplib 不满足的功能？（httplib 与 httplib2 使用 HTTPResponse.getheader('Set-Cookie') 时会犯同样的错误，但您仍然可以从 HTTPResponse.msg.getheaders('Set-Cookie') 获取正确的标头。