Ruby NET::HTTP读取body之前的header (没有HEAD请求)？

Question

我在Ruby中使用Net::HTTP来抓取URL。

我不想抓取诸如：http://listen2.openstream.co/334之类的音频流

事实上，我只想抓取Html内容，所以没有pdfs，video，txt。

现在，我将open_timeout和read_timeout都设置为10，所以即使我爬行这些流式音频页面，它们也会超时。

url = 'http://listen2.openstream.co/334'
path = uri.path

req= Net::HTTP::Get.new(path, {'Accept' => '*/*', 'Content-Type' => 'text/plain; charset=utf-8', 'Connection' => 'keep-alive','Accept-Encoding' => 'Identity'})

uri = Addressable::URI.parse(url)   

resp =  Net::HTTP.start(uri.host, uri.inferred_port) do |httpRequest|
    httpRequest.open_timeout = 10
    httpRequest.read_timeout = 10
    #how can I read the headers here before it's streaming the body and then exit b/c the content type is audio?
    httpRequest.request(req)
end

但是，有没有办法在读取http响应的正文之前检查报头，以确定它是否是音频？我想在不发送单独的HEAD请求的情况下这样做。

Answer 1

net/http支持流式传输，您可以使用它来读取body之前的header。

代码示例

url = URI('http://stackoverflow.com/questions/41306082/ruby-nethttp-read-the-header-before-the-body-without-head-request')

Net::HTTP.start(url.host, url.port) do |http|
  request = Net::HTTP::Get.new(url)
  http.request(request) do |response|

    # check headers here, body has not yet been read
    # then call read_body or just body to read the body

    if true  
      response.read_body do |chunk|
        # process body chunks here
      end
    end
  end
end

Answer 2

我将在今晚晚些时候添加一个ruby示例。然而，为了快速响应。有一个简单的技巧可以做到这一点。

您可以使用HTTP Range标头来指示是否要从服务器接收哪个范围的字节。下面是一个示例：

curl -XGET http://www.sample-videos.com/audio/mp3/crowd-cheering.mp3 -v -H "Range: bytes=0-1"

上面的例子意味着服务器将返回0到1字节范围内的数据。

请参阅：https://developer.mozilla.org/en-US/docs/Web/HTTP/Range

Answer 3

由于我没有找到在Net::HTTP中正确执行此操作的方法，而且我看到您已经将addressable gem用作外部依赖项，因此这里有一个使用非常棒的http gem的解决方案

require 'http'

response = HTTP.get('http://listen2.openstream.co/334')
# Here are the headers
puts response.headers

# Everything ok? Start streaming the response
body = response.body
body.stream!

# now just call `readpartial` on the body until it returns `nil`
# or some other break condition is met

如果你被要求使用Net::HTTP，很抱歉，希望其他人能找到答案。在这种情况下，单独的HEAD请求可能确实是可行的。