Python中如何按\r\n分割字符串提取HTTP响应头并排除报文体

问题根源 #

你遇到的是转义字符解析问题：你拿到的返回字符串里的\r\n是字面量转义组合，实际存储为\+r+\+n四个普通字符，不是HTTP协议里标准的回车换行控制符，所以直接用splitlines()或者匹配控制符的正则无法正常分割。

解决方法 #

两种实现方式都可以实现分割+排除报文体的需求：

方式1：直接用split方法（更简单，无需引入正则）

用原始字符串标识分隔符，匹配字面量\r\n，分割后遍历遇到空行直接终止（HTTP头和报文体之间用连续两个\r\n分隔，分割后会生成空字符串，刚好作为终止标记）

# 分割字符串
header_list = webinformation.split(r'\r\n')

# 逐行打印头信息，遇到空行停止（自动排除报文体）
for line in header_list:
    if not line.strip():
        break
    print(line)

方式2：正则分割实现

正则匹配时同样要用原始字符串标识匹配规则：

import re

header_list = re.split(r'\\r\\n', webinformation)
for line in header_list:
    if not line.strip():
        break
    print(line)

原有代码报错原因 #

• splitlines()方法只能识别ASCII标准的回车、换行控制符，无法识别字面量的\r\n组合，因此无法完成分割
• 之前的正则写法re.split('\\r\\n', webinformation)中，传入的规则会被Python先转义为真实的回车换行控制符，和你字符串里的字面量\r\n不匹配，因此分割失败

测试示例 #

用你提供的示例字符串测试效果：

webinformation = 'HTTP/1.1 400 Bad Request\\r\\nDate: Tue, 26 Oct 2021 11:26:46 GMT\\r\\nServer: Apache\\r\\n\\r\\n这里是报文体内容，会被自动排除'
header_list = webinformation.split(r'\r\n')
for line in header_list:
    if not line.strip():
        break
    print(line)

运行输出：

HTTP/1.1 400 Bad Request
Date: Tue, 26 Oct 2021 11:26:46 GMT
Server: Apache

内容的提问来源于stack exchange，提问作者jennifer