如何从recv()缓冲区提取HTTP状态码（不可使用http库）

核心原理 #

HTTP响应的结构有固定RFC规范，第一行也就是状态行的格式严格为HTTP/版本号 状态码 原因短语，行与行之间用\r\n作为分隔符，整个状态行全部由ASCII字符组成，完全不需要依赖任何HTTP解析库，纯靠字节查找、字符串切割就能拿到状态码。

提取步骤 #

• 从接收到的字节缓冲区中，定位第一个换行分隔符（优先匹配标准的\r\n，兼容部分服务器使用的纯\n换行），切出分隔符之前的部分，就是完整的状态行
• 对切出来的状态行做空格分割，第二个元素就是数字格式的状态码
• 按照状态码值写对应的分支处理逻辑即可

适配修改后的完整代码 #

from socket import * 

#constants variables
target_host = 'localhost'
target_port = 80
target_dir = 'dashboard/index.html'

# create a socket object 
client = socket(AF_INET, SOCK_STREAM)  # create an INET (IPv4), STREAMing socket (TCP)
 
# connect the client 
client.connect((target_host,target_port))  
 
# send some data 
request = "GET /%s HTTP/1.1\r\nHost:%s\r\n\r\n" % (target_dir, target_host)
client.send(request.encode())  

# receive some data 
data = b''
while True:
    buffer = client.recv(2048)
    if not buffer:
        break
    data += buffer

client.close()

# ---------------- 无依赖提取状态码逻辑 ----------------
# 定位状态行的结束位置
crlf_pos = data.find(b'\r\n')
# 兼容纯LF换行的非标准实现
if crlf_pos == -1:
    crlf_pos = data.find(b'\n')

if crlf_pos == -1:
    print("收到的响应不是合法HTTP格式")
else:
    # 状态行全部为ASCII字符，单独解码不会受后续响应体二进制内容影响
    status_line = data[:crlf_pos].decode('ascii')
    # 按空格拆分状态行，第二个字段为状态码
    status_code = int(status_line.split(' ')[1])

    # 按状态码执行对应逻辑
    if status_code == 200:
        print("ok")
    elif status_code == 404:
        print("页面不存在")
    elif status_code == 500:
        print("服务器内部错误")
    else:
        print(f"未处理的响应状态码：{status_code}")

关键注意点 #

• 整个实现没有导入任何http相关模块，完全靠原生socket返回的字节流解析，符合要求
• 仅单独解码状态行（ASCII编码段），不对全量响应数据做utf-8解码，避免响应体包含二进制内容时触发解码错误
• 可优化的点：不需要等待整个响应体全部接收完成，只要recv拿到的缓冲区中已经包含第一个换行分隔符，就可以提前提取状态码执行逻辑，大体积响应时能大幅减少等待时间

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