基于HttpWebRequest的通用请求和响应处理
基于HttpWebRequest的通用请求和响应处理
作者：Tony Qu
最近基于C#写了个Spider框架，所以有了此文的心得，虽然这话题也不算什么新话题了，但我还是想写一篇这样的文章，因为我发现这玩意真的写起代码来还是有很多细节的，要做到通用还是有一定难度的。当然，本文会略过最基本的一些东西，如GET/POST方式，UserAgent等，这不是本文要讨论的重点。
我使用过程中遇到的最大挑战是以下几个问题：
a. 如何处理chunked的页面
b. 如何处理gzip过的页面
c. 如何自动判断文本编码
d. 如何使用CookieContainer
我们一个一个来，先从第一个开始。chunked是常用的web服务器设置，也经常与gzip一起使用，
a. 如何处理chunked的页面
(fiddler的Response Header视图截图)
chunked的好处最主要的是页面优化，浏览器通常会在接收完第一个chunked块之后开始解析页面，而不是等到整个页面加载完成。关于chunked的传输细节有兴趣的朋友可以继续阅读以下两篇文章 http 《chunked传输 》
《 HTTP chunked+gzip及浏览器兼容测试 》
由于页面的chunked，我们必须通过stream方式来获得数据，且由于之后要对获得的Stream进行gzip解密，所以我们需要把Stream暂时保存到MemoryStream中，如下所示：
MemoryStream memory = null ;
int length = 0;
if (res.ContentLength > 0)
{
length = ( int )res.ContentLength;
}
else
{
length = 8000;
}
memory = new MemoryStream(length);
Byte[] buf = new byte [4096];
Stream resStream = res.GetResponseStream();
int count = 0;
do
{
count = resStream.Read(buf, 0, buf.Length);
if (count != 0)
{
memory.Write(buf, 0, count);
}
} while (count > 0);
这里利用ContentLength获取实际大小，但在有些情况下，ContentLength取不到，就会有个默认大小8000。当然这只是MemoryStream初始，如果Write的时候超过，它会自动增加大小（我记得是默认大小的两倍）。
b. 如何处理gzip
gzip的好处想必不用我说了吧，自然是传输大小更小，动态压缩，目前大部分门户都会打开这个选项，其平均压缩效果可以达到不开之前的40%左右，以下是处理gzip的代码：
Stream responseStream = null ;
//handle gzip or deflate stream
if (res.ContentEncoding.ToLower().Contains( "gzip" ))
{
responseStream = new GZipStream(memory, CompressionMode.Decompress);
}
else if (res.ContentEncoding.ToLower().Contains( "deflate" ))
{
responseStream = new DeflateStream(memory, CompressionMode.Decompress);
}
else
{
responseStream = memory;
}
压缩方式可以通过ContentEncoding属性获得，这里同时也处理了deflate的压缩方式，不过目前我没遇到过这种网站，这代码是拷贝过来的，呵呵。
c. 如何自动判断文本编码
编码问题往往是让人头疼的问题，因为某些情况你拿到的数据会变成乱码，这就表示编码没有处理好。页面的实际编码是保存在ContentType中的，如下所示
(fiddler的Response Header视图截图)
这里的charset就是我们需要的编码信息，编码的自动选择全靠它了，编码的真正作用发生在我们把刚才的responseStream转换为string，代码如下所示：
int charsetPos = res.ContentType.IndexOf( "charset=" );
string encoding = "UTF-8" ;
if (charsetPos >= 0)
{
int semicolonPos = res.ContentType.IndexOf( ";" , charsetPos);
encoding = res.ContentType.Substring(charsetPos + 8, semicolonPos > 0 ? semicolonPos - charsetPos - 8 : res.ContentType.Length - charsetPos - 8);
}
var oEncoding = Encoding.GetEncoding(encoding);
using (StreamReader sr = new StreamReader(responseStream, oEncoding))
{
content = sr.ReadToEnd();
}
我这边用了比较原始的方法，没有用正则表达式，如果你觉得这个方法很挫，你可以换成正则表达式。看到没，StreamReader通过oEncoding得知该用哪种编码来把byte[]转换为String。
（这里牵扯到几年前我做过的一道面试题：String和byte[]如何进行转换？说说你的经验。这道题虽然很多公司不面，但我倒觉得这道题是可以深入的，因为encoding其实是个很不错的面试话题，也很考基础知识。）
d. 如何使用CookieContainer
通常呢，稍微有点防御的网站都会验cookie，或者放个身份认证的cookie，如何在请求中放cookie呢，自然是靠CookieContainer（其实也可以通过AddHttpHeader，但本文只讨论CookieContainer，好处等会儿说，先卖个关子。）CookieContainer的接口有点搞，因为既有Add，也有SetCookie，我一开始就上了老当，用了Add，结果没有效果。SetCookies才是正确的方法，这个方法即可以一次性设置完所有的cookie，也可以一个一个设置，如下：
CookieContainer cookieContainer = new CookieContainer();
cookieContainer.SetCookies( new Uri(hostname), new Cookie( "aaa" , "98d4c408-7923-443a-ba3f-99df3bea7792" , "/" , "a.com" ).ToString());
cookieContainer.SetCookies( new Uri(hostname), new Cookie( "bbb" , "0" , "/" , "a.com" ).ToString());
cookieContainer.SetCookies( new Uri(hostname), new Cookie( "ccc" , "0" , "/" , "a.com" ).ToString());
HttpWebRequest req = (HttpWebRequest)WebRequest.Create(url);
req.Headers.Add(HttpRequestHeader.AcceptEncoding, "gzip,deflate" );
req.AllowAutoRedirect = true ;
req.Accept = "text/html, application/xhtml+xml, */*" ;
req.Timeout = 50000;
req.Method = "GET" ;
req.CookieContainer = cookieContainer;
var response = (HttpWebResponse)req.GetResponse();
这里使用Cookie而非直接用字符串是出于安全考虑，因为Cookie对象的ToString自动帮我们把encoding做掉了，所以这么写会比直接用字符串来的安全，SetCookies是需要指定Url的，不过通常对于同一个网站host应该是一样的，比如 www.a.com ，不过目前还没遇到过跨域问题，等遇到了我单独写一篇讨论，跨域可又是另外一个头疼的问题了。
这里要说一下CookieContainer和AddHttpHeader的区别，首先这两个不能同时使用，只能用一个，其次CookieContainer毕竟是容器，所以理论上可以把另外一个请求的cookie一起带过来，然后实现cookie传递逻辑，而AddHttpHeader做不到这一点，这是最大的区别。
先写到这，大家有什么关于HttpWebRequest的其他心得可以发在回复中，我会整理后更新这个帖子。
版权声明：本文由作者Tony Qu原创， 未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则视为侵权。
分类: .NET 2.0 技术
标签: cookie , C# , httpwebrequest , encoding , chunked , gzip , http压缩
作者： Leo_wl
出处： http://www.cnblogs.com/Leo_wl/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
版权信息查看更多关于基于HttpWebRequest的通用请求和响应处理的详细内容...