6

我正在尝试将脚本移植到 python 3，以提交此处找到的 XML 提要：

https://developers.google.com/search-appliance/documentation/files/pushfeed_client.py.txt

运行 2to3.py 并进行一些小调整以删除任何语法错误后，脚本失败并显示如下：

(py33dev) d:\dev\workspace>python pushfeed_client.py --datasource="TEST1" --feedtype="full" --url="http://gsa:19900/xmlfeed" --xmlfilename="test.xml"
Traceback (most recent call last):
  File "pushfeed_client.py", line 108, in <module>
    main(sys.argv)
  File "pushfeed_client.py", line 56, in main
    result = urllib.request.urlopen(request_url)
  File "C:\Python33\Lib\urllib\request.py", line 156, in urlopen
    return opener.open(url, data, timeout)
  File "C:\Python33\Lib\urllib\request.py", line 469, in open
    response = self._open(req, data)
  File "C:\Python33\Lib\urllib\request.py", line 487, in _open
    '_open', req)
  File "C:\Python33\Lib\urllib\request.py", line 447, in _call_chain
    result = func(*args)
  File "C:\Python33\Lib\urllib\request.py", line 1268, in http_open
    return self.do_open(http.client.HTTPConnection, req)
  File "C:\Python33\Lib\urllib\request.py", line 1253, in do_open
    r = h.getresponse()
  File "C:\Python33\Lib\http\client.py", line 1147, in getresponse
    response.begin()
  File "C:\Python33\Lib\http\client.py", line 358, in begin
    version, status, reason = self._read_status()
  File "C:\Python33\Lib\http\client.py", line 340, in _read_status
    raise BadStatusLine(line)
http.client.BadStatusLine: <!DOCTYPE html>

为什么它会在服务器的响应中返回该异常？当我嗅探会话时，这是 GSA 的完整回复：

<!DOCTYPE html>
<html lang=en>
  <meta charset=utf-8>
  <meta name=viewport content="initial-scale=1, minimum-scale=1, width=device-width">
  <title>Error 400 (Bad Request)!!1</title>
  <style>
    *{margin:0;padding:0}html,code{font:15px/22px arial,sans-serif}html{background:#fff;color:#222;padding:15px}body{margin:7% auto 0;max-width:390px;min-height:180px;padding:30px 0 15px}* > body{background:url(//www.google.com/images/errors/robot.png) 100% 5px no-repeat;padding-right:205px}p{margin:11px 0 22px;overflow:hidden}ins{color:#777;text-decoration:none}a img{border:0}@media screen and (max-width:772px){body{background:none;margin-top:0;max-width:none;padding-right:0}}
  </style>
  <a href=//www.google.com/><img src=//www.google.com/images/errors/logo_sm.gif alt=Google></a>
  <p><b>400.</b> <ins>That’s an error.</ins>
  <p>Your client has issued a malformed or illegal request.  <ins>That’s all we know.</ins>

它确实返回了 HTTP 400。只要 XML 有效负载中包含 utf-8 字符，我就可以可靠地导致此问题。当它是普通的 ascii 时，它可以完美地工作。这是我可以用来可靠地重新创建问题的最基本的代码版本：

import http.client
http.client.HTTPConnection.debuglevel = 1
with open("GSA_full_Feed.xml", encoding='utf-8') as xdata:
    payload = xdata.read()
content_length = len(payload)
feed_path = "xmlfeed"
content_type = "multipart/form-data; boundary=----------boundary_of_feed_data$"
headers = {"Content-type": content_type, "Content-length": content_length}
conn = http.client.HTTPConnection("gsa", 19900)
conn.request("POST", feed_path, body=payload.encode("utf-8"), headers=headers)
res = conn.getresponse()
print(res.read())
conn.close()

这是一个用于导致异常的示例 XML 有效负载：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE gsafeed PUBLIC "-//Google//DTD GSA Feeds//EN" "gsafeed.dtd">
<gsafeed>
  <header>
    <datasource>TEST1</datasource>
    <feedtype>full</feedtype>
  </header>
  <group>
    <record action="add" mimetype="text/html" url="https://myschweetassurl.com">
      <metadata>
        <meta content="shit happens, then you die" name="description"/>
      </metadata>
      <content>wacky Umläut test of non utf-8 characters</content>
    </record>
  </group>
</gsafeed>

我可以在 2 和 3 版本之间找到的唯一增量是每个请求的内容长度标头。Python 3 版本始终比 2 版本短，870 与 873。

4

1 回答 1

7

经过大量的连线后，我弄清楚了问题的原因和解决方案是设置内容长度标头的方式。在脚本的 Python 3 端口中，我复制了设置内容长度的方法。这是：

headers['Content-length']=str(len(body))

这是不正确的！正确的方法是这样的：

headers['Content-length']=str(len(bytes(body, 'utf-8')))

因为有效载荷必须是字节对象。当您对其进行字节编码时，长度与字符串版本不同。

return urllib.request.Request(theurl, bytes(body, 'utf-8'), headers)

当使用从 http.client.HTTPConnection 派生的任何内容时，您可以安全地省略手动设置 content-length 标头。它有一个内部方法来检查 content-length 标头，如果它丢失，则根据内容正文的长度设置它，而不管形式如何。

问题是 Python 2 和 3 之间的翻译但微妙的差异，以及它如何处理字符串和编码它们。当 utf-8 版本没有时，常规 ASCII 版本可以正常工作，这一定是某种侥幸，哦，好吧。

于 2014-01-28T00:51:13.297 回答