Socket无法获取网页文本？请求返回400错误的解决办法

你的代码出现400错误的核心原因是HTTP请求格式不符合协议规范，服务器无法解析你的请求。以下是具体问题和修正方案：

问题分析 #

1. GET请求路径错误：当你已经通过Socket连接到目标服务器（data.pr4e.org）后，GET请求只需要指定相对路径（如/authors.txt），而不是完整的URL（http://data.pr4e.org/authors.txt）。
2. 换行符不符合规范：HTTP协议要求请求头的换行必须使用\r\n（CRLF），而非单纯的\n，部分服务器对格式要求严格，不识别单一换行符。
3. 缺少Host请求头：虽然HTTP 1.0未强制要求Host头，但现代服务器大多基于虚拟主机部署，需要该头来区分不同域名，缺失会导致解析失败。
4. 遗漏socket模块导入：原代码未导入socket模块，运行时会直接报错，这是基础疏漏。

修正后的代码 #

import socket

msock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
msock.connect(('data.pr4e.org', 80))
# 修正请求格式：相对路径、CRLF换行、添加Host头
cmd = 'GET /authors.txt HTTP/1.0\r\nHost: data.pr4e.org\r\n\r\n'.encode()
msock.send(cmd)

while True:
    dat = msock.recv(512)
    if len(dat) < 1:
        break
    print(dat.decode(), end='')  # 避免默认换行导致输出格式混乱
msock.close()

关键修正点说明 #

• 补充import socket：确保代码能正常调用socket相关API。
• 替换请求路径为相对路径：让服务器明确你要访问的资源位置。
• 使用\r\n作为换行符：严格遵循HTTP协议规范，避免服务器解析失败。
• 添加Host头：适配虚拟主机部署的服务器，确保请求被正确路由。

你更换其他网站后仍报错，是因为所有合规的HTTP服务器都会遵循相同的请求规范，你的原请求格式错误是共性问题，修正后即可正常获取目标文件内容。

内容的提问来源于stack exchange，提问作者pythonnoob4567