HTTP 与 Web 标准 / 系统课时

处理文本与二进制内容

处理文本与二进制内容

拿到 HTTP Body 后,下一步不是直接转成字符串,而是先看 Content-Type:它告诉客户端这些字节代表 JSON、HTML、图片还是其他格式;对于文本内容,还要结合 charset 决定如何把字节解码成字符,避免乱码或把二进制错误当文本处理。

学习目标

  • 根据 Content-Type 选择正确的解析或保存方式
  • 理解 charset 只解决“字节如何映射为字符”
  • 区分内容类型、压缩编码与下载文件名等不同首部职责

先把 Body 当作字节

网络上传输的 Body 本质上是一串字节。Content-Type 的媒体类型决定“这些字节是什么”,charset 只在需要转换为文本时回答“按什么字符编码解码”。

Content-Type 常见处理方式 charset
application/json 交给 JSON 解析器 系统间交换通常使用 UTF-8
text/html; charset=utf-8 先解码文本,再按 HTML 处理 有意义
image/png 交给 PNG 解码器或直接保存 不使用
application/pdf 交给 PDF 阅读器或保存 不使用
application/octet-stream 作为未知二进制流处理 不使用

因此,同样是一段 Body,文本客户端可能需要 decode(),图片客户端则应保留原始字节。不能只因为响应“看起来能打印”就把所有内容都当字符串。

charset 决定文本怎样解码

下面用标准库构造一个 text/plain; charset=utf-8 响应场景。示例不依赖网络,可以直接运行。

python
from email.message import Message

headers = Message()
headers["Content-Type"] = "text/plain; charset=utf-8"
body = "你好,HTTP".encode("utf-8")

media_type = headers.get_content_type()
charset = headers.get_content_charset()

if media_type.startswith("text/"):
    text = body.decode(charset or "utf-8")
    print(media_type)
    print(charset or "utf-8")
    print(text)
else:
    print(f"{media_type}: {len(body)} bytes")

预期输出

text
text/plain
utf-8
你好,HTTP

这里先根据媒体类型判断是否按文本处理,再读取 charset。若文本类型没有声明 charset,不应假设 HTTP 存在一个对所有文本都适用的统一默认编码;应遵循对应媒体类型、文档格式或接口契约的规则。

JSON、HTML 与二进制的差别

application/json 表示 Body 是 JSON 文本。跨系统传输的 JSON 应使用 UTF-8,应用通常直接把响应交给 JSON 解析器,而不是先猜测本地编码。服务端即使附带 charset,客户端也不应把它当成可以任意改变 JSON 编码规则的通用开关。

HTML 更复杂。text/html 表明内容是文本型 HTML,HTTP 头里的 charset 是重要编码信息;浏览器还可能根据 HTML 自身规则处理编码声明。编写普通 HTTP 客户端时,优先遵循明确的协议和文档约定,不要靠“试几个编码直到不乱码”。

图片、PDF、ZIP 等二进制内容则不做字符解码。它们应保留原始字节,再交给相应格式解析器或写入文件,否则一次错误的字符串转换就可能破坏数据。

别把相邻首部混为一谈

Content-Type 描述媒体类型,Content-Encoding 描述 gzip 等内容编码,Content-Disposition 常用于提示下载方式和文件名。三者解决的是不同问题。

例如一个响应可以是 Content-Type: application/pdf,同时使用 Content-Encoding: gzip。客户端需要先按内容编码还原字节,再把结果作为 PDF 处理;文件名即使来自 Content-Disposition,也不能反过来证明真实媒体类型。

排查“乱码、JSON 解析失败、图片打不开、下载文件损坏”时,可以按固定顺序检查:先确认原始字节是否完整,再核对 Content-Encoding 是否已解压,随后检查 Content-Type,只有文本内容才继续核对 charset。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

处理文本与二进制内容

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通