计算机网络 / 系统课时
理解消息体
理解消息体
HTTP 消息体真正传输的是一串字节;文本、JSON、表单和图片之所以能被正确理解,是因为发送方先按约定编码,接收方再结合 Content-Type 等元数据解析。掌握这层关系后,就能判断请求或响应体为什么乱码、解析失败或文件损坏。
学习目标
- 理解 HTTP 消息体本质上是字节序列,而不是固定的文本格式。
- 能区分文本、JSON、表单和二进制内容常用的
Content-Type与编码方式。 - 能检查实际发送的字节长度,并定位常见的格式与编码错误。
消息体最终都会变成字节
应用程序中的字符串、对象或文件在进入 HTTP 消息体前,都要转换成字节。例如字符串 你好 按 UTF-8 编码后得到 6 字节;一个 JSON 对象则要先序列化成 JSON 文本,再编码成 UTF-8。图片、PDF、压缩包原本就是二进制数据,通常不需要先转换为文本。
因此,判断一个消息体时至少检查三件事:实际字节内容、Content-Type、以及内容采用的编码规则。只看到消息体长得像 JSON 并不够;服务器如果声明 text/plain,通用客户端就不应假定它一定按 JSON 处理。
文本类型常通过 charset 指明字符编码,例如 text/plain; charset=utf-8。现代 JSON 通常直接使用 UTF-8,API 中常见的响应类型是 application/json。处理长度时应以编码后的字节数组为准,而不是字符串字符数量。
四种常见内容类型怎样传输
普通文本适合日志片段、简单说明或纯文本接口,常见类型是 text/plain; charset=utf-8。JSON 用于结构化数据,常见类型为 application/json,消息体内容必须符合 JSON 语法,例如字符串键名使用双引号,不能包含 JavaScript 风格注释。
HTML 表单常见两种编码方式。简单键值提交可使用 application/x-www-form-urlencoded,内容类似 name=Alice&age=20;包含文件上传时通常使用 multipart/form-data,每个字段或文件被放入独立部分,并由自动生成的 boundary 分隔。
二进制文件应直接发送原始字节,并声明与文件对应的媒体类型,例如 PNG 使用 image/png,PDF 使用 application/pdf。无法确定具体类型时可以使用 application/octet-stream。不要先把任意二进制文件当作 UTF-8 字符串读取再发送,否则无法解码的字节可能被修改或丢失。
| 内容 | 常见 Content-Type |
消息体示例或形式 |
|---|---|---|
| 普通文本 | text/plain; charset=utf-8 |
UTF-8 文本字节 |
| JSON | application/json |
JSON 文本编码后的字节 |
| 简单表单 | application/x-www-form-urlencoded |
name=Alice&age=20 |
| PNG 图片 | image/png |
PNG 原始二进制字节 |
用本地回显确认实际传输内容
下面程序启动一个本地服务器,然后依次发送文本、JSON、表单和二进制消息体。服务器不猜测数据格式,只打印请求中声明的 Content-Type、实际收到的字节数以及字节内容,从而直接观察应用数据进入 HTTP 后的形态。
import json
from http.client import HTTPConnection
from http.server import BaseHTTPRequestHandler, HTTPServer
from threading import Thread
from urllib.parse import urlencode
class Handler(BaseHTTPRequestHandler):
def do_POST(self):
length = int(self.headers.get("Content-Length", "0"))
body = self.rfile.read(length)
print(self.headers.get("Content-Type"), length, body)
self.send_response(204)
self.end_headers()
def log_message(self, format, *args):
pass
server = HTTPServer(("127.0.0.1", 0), Handler)
Thread(target=server.serve_forever, daemon=True).start()
samples = [
("text/plain; charset=utf-8", "hello".encode("utf-8")),
("application/json", json.dumps({"id": 7}, separators=(",", ":")).encode("utf-8")),
("application/x-www-form-urlencoded", urlencode({"name": "Alice", "age": 20}).encode("ascii")),
("application/octet-stream", bytes([0, 1, 2, 255])),
]
for content_type, body in samples:
conn = HTTPConnection("127.0.0.1", server.server_port)
conn.request("POST", "/echo", body=body, headers={"Content-Type": content_type})
response = conn.getresponse()
response.read()
conn.close()
server.shutdown()预期输出
text/plain; charset=utf-8 5 b'hello'
application/json 8 b'{"id":7}'
application/x-www-form-urlencoded 17 b'name=Alice&age=20'
application/octet-stream 4 b'\x00\x01\x02\xff'从结果可以看到,四次请求在 HTTP 层都是字节传输,差异主要来自编码方式和 Content-Type。其中 JSON 的 8 字节对应紧凑文本 {"id":7};表单编码把字段转成 name=Alice&age=20,再作为 ASCII 字节发送。
解析失败时先检查这几个边界
出现乱码时先比较发送端实际编码与声明的 charset。例如发送 UTF-8 字节却标成其他字符集,接收方按错误编码解码就可能得到乱码。计算长度也必须针对最终字节,例如 Python 中应使用 len(text.encode("utf-8")),而不是只计算 len(text)。
JSON 解析失败时,应确认消息体确实是合法 JSON,并检查 Content-Type 是否与实际格式一致。{"id":7} 是 JSON,而 id=7 更像表单编码;把后一种内容标成 application/json,服务器的 JSON 解析器通常会直接报语法错误。
上传二进制文件时则要避免不必要的文本转换。正确做法是以二进制模式读取文件并直接发送字节;只有协议明确要求 Base64 等文本编码时才进行转换。Base64 会让数据体积通常增加约三分之一,因此普通 HTTP 文件上传不应为了“看起来像文本”而默认使用它。