为什么http chunked编码前缀长度小于实际长度

Question

目前，我正在通过 python 接收 tcp 流并分析 HTTP 数据。我已经在 here 了解了如何解码分块数据。我的问题是：当我持有整个 HTTP 响应并开始对其进行解码时，但前缀块大小比实际 size.I 小得多，如下所示：

这是我收到的纯数据：

b'000096F6\r\n<!DOCTYPE html>\n<html xmlns="http://www.w3.org/1999/xhtml" prefix="og: http://opengraphprotocol.org/schema/ fb: http://www.facebook.com/2010/fbml d: http://dictionary.com/2011/dml">\n<head>\n<meta http-equiv="Content-type" content="text/html; charset=utf-8"/>\n<base href="http://dictionary.reference.com/">\n<title>Search | Define Search at Dictionary.com</title>\n<script.....(more data)

您可以看到前缀大小为 (hex)96F6 = 38646 (bytes)

但是如果我按照这个算法拆分数据：

    encoded = row_data;
    new_data = ""
    while encoded != '':
        off = int(encoded[:encoded.index('\r\n')], 16)
        if off == 0:
            break
        encoded = encoded[encoded.index('\r\n') + 2:]
        new_data = new_data.__add__(encoded[:off])
        encoded = encoded[off + 2:]

    return new_data

我只能得到两个损坏的组：

(more data).....<div class="dot dot-left dot-bottom "></

和

v>
<div class="language-name oneClick-disabled">.....(more data)

所以它通过我在下一个循环中无法获得 off 的异常。当我仔细检查响应主体时，我得到 len(data) 是 78543 和 len(data.decode()) 是 78503，整个响应只有一个块！

然后我试了很多web set都出现这个问题

所以，我的问题是：我怎么了？如何正确解码此类数据？感谢能提供帮助的人！

Answer 1

你的示例代码对我来说效果很好，得到了 https://www.facebook.com/ 的回复。对于更容易重现的案例，请尝试 the Wikipedia article:

中的示例

4\r\n
Wiki\r\n
5\r\n
pedia\r\n
e\r\n
 in\r\n\r\nchunks.\r\n
0\r\n
\r\n

或者，作为 Python 字符串：

encoded = '4\r\nWiki\r\n5\r\npedia\r\ne\r\n in\r\n\r\nchunks.\r\n0\r\n\r\n'

使用你的代码，这给出：

Wikipedia in

chunks.

符合预期。

您程序中其他地方最有可能出现的两个错误是编码或网络错误。请注意，块长度以字节为单位指定。如果您在任何时候解码或重新编码 row_data，那么您可能没有原始数据。或者，确保正确连接从套接字读取的数据，而不引入任何虚假空格或换行符。

为什么http chunked编码前缀长度小于实际长度

Why http chunked encoding prefix length smaller than actual length

python

http

chunked-encoding