Aktualisierung: Es ist 2019, also habe ich diese Antwort für Python 3 umgeschrieben, nachdem ein Programmierer, der den Code verwenden wollte, verwirrt war. Der ursprüngliche Python-2-Code steht jetzt unten in der Antwort.
In der Standardbibliothek gibt es ausgezeichnete Werkzeuge sowohl für das Parsen von RFC 821-Headern als auch für das Parsen ganzer HTTP-Anfragen. Hier ist ein Beispiel für einen Request-String (beachten Sie, dass Python ihn als einen großen String behandelt, auch wenn wir ihn aus Gründen der Lesbarkeit auf mehrere Zeilen aufteilen), den wir in meine Beispiele einspeisen können:
request_text = (
b'GET /who/ken/trust.html HTTP/1.1\r\n'
b'Host: cm.bell-labs.com\r\n'
b'Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.3\r\n'
b'Accept: text/html;q=0.9,text/plain\r\n'
b'\r\n'
)
Wie @TryPyPy anmerkt, können Sie die E-Mail-Nachrichtenbibliothek von Python verwenden, um die Kopfzeilen zu analysieren - obwohl wir hinzufügen sollten, dass die resultierende Message
Objekt verhält sich wie ein Wörterbuch von Kopfzeilen, sobald Sie es erstellt haben:
from email.parser import BytesParser
request_line, headers_alone = request_text.split(b'\r\n', 1)
headers = BytesParser().parsebytes(headers_alone)
print(len(headers)) # -> "3"
print(headers.keys()) # -> ['Host', 'Accept-Charset', 'Accept']
print(headers['Host']) # -> "cm.bell-labs.com"
Dabei wird die Anforderungszeile natürlich ignoriert, oder Sie müssen sie selbst parsen. Es stellt sich heraus, dass es eine viel bessere Lösung gibt.
Die Standardbibliothek wird HTTP für Sie parsen, wenn Sie ihre BaseHTTPRequestHandler
. Obwohl die Dokumentation etwas undurchsichtig ist - ein Problem mit der ganzen Reihe von HTTP- und URL-Werkzeugen in der Standardbibliothek - müssen Sie nur (a) Ihre Zeichenkette in eine BytesIO()
(b) lesen Sie die raw_requestline
so dass es bereit ist, geparst zu werden, und (c) alle Fehlercodes zu erfassen, die während des Parsens auftreten, anstatt sie an den Client zurückzuschreiben (da wir keinen haben!).
Hier ist also unsere Spezialisierung der Klasse Standardbibliothek:
from http.server import BaseHTTPRequestHandler
from io import BytesIO
class HTTPRequest(BaseHTTPRequestHandler):
def __init__(self, request_text):
self.rfile = BytesIO(request_text)
self.raw_requestline = self.rfile.readline()
self.error_code = self.error_message = None
self.parse_request()
def send_error(self, code, message):
self.error_code = code
self.error_message = message
Auch hier wünschte ich, die Leute von der Standardbibliothek hätten erkannt, dass das HTTP-Parsing so aufgeteilt werden sollte, dass wir nicht neun Zeilen Code schreiben müssen, um es richtig aufzurufen, aber was kann man schon tun? Hier ist, wie Sie diese einfache Klasse verwenden würden:
# Using this new class is really easy!
request = HTTPRequest(request_text)
print(request.error_code) # None (check this first)
print(request.command) # "GET"
print(request.path) # "/who/ken/trust.html"
print(request.request_version) # "HTTP/1.1"
print(len(request.headers)) # 3
print(request.headers.keys()) # ['Host', 'Accept-Charset', 'Accept']
print(request.headers['host']) # "cm.bell-labs.com"
Wenn beim Parsen ein Fehler auftritt, wird die error_code
wird nicht None
:
# Parsing can result in an error code and message
request = HTTPRequest(b'GET\r\nHeader: Value\r\n\r\n')
print(request.error_code) # 400
print(request.error_message) # "Bad request syntax ('GET')"
Ich ziehe es vor, die Standardbibliothek auf diese Weise zu verwenden, weil ich davon ausgehe, dass sie bereits auf Randfälle gestoßen ist und diese gelöst hat, die mich beißen könnten, wenn ich versuche, eine Internet-Spezifikation selbst mit regulären Ausdrücken neu zu implementieren.
Alter Python-2-Code
Hier ist der ursprüngliche Code für diese Antwort, als ich sie zum ersten Mal schrieb:
request_text = (
'GET /who/ken/trust.html HTTP/1.1\r\n'
'Host: cm.bell-labs.com\r\n'
'Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.3\r\n'
'Accept: text/html;q=0.9,text/plain\r\n'
'\r\n'
)
Und:
# Ignore the request line and parse only the headers
from mimetools import Message
from StringIO import StringIO
request_line, headers_alone = request_text.split('\r\n', 1)
headers = Message(StringIO(headers_alone))
print len(headers) # -> "3"
print headers.keys() # -> ['accept-charset', 'host', 'accept']
print headers['Host'] # -> "cm.bell-labs.com"
Und:
from BaseHTTPServer import BaseHTTPRequestHandler
from StringIO import StringIO
class HTTPRequest(BaseHTTPRequestHandler):
def __init__(self, request_text):
self.rfile = StringIO(request_text)
self.raw_requestline = self.rfile.readline()
self.error_code = self.error_message = None
self.parse_request()
def send_error(self, code, message):
self.error_code = code
self.error_message = message
Und:
# Using this new class is really easy!
request = HTTPRequest(request_text)
print request.error_code # None (check this first)
print request.command # "GET"
print request.path # "/who/ken/trust.html"
print request.request_version # "HTTP/1.1"
print len(request.headers) # 3
print request.headers.keys() # ['accept-charset', 'host', 'accept']
print request.headers['host'] # "cm.bell-labs.com"
Und:
# Parsing can result in an error code and message
request = HTTPRequest('GET\r\nHeader: Value\r\n\r\n')
print request.error_code # 400
print request.error_message # "Bad request syntax ('GET')"