求助：Python实现仅支持文本不加载图片的Web代理问题修复

看起来你的代理目前有几个关键问题导致图片请求处理异常，同时也没实现拦截图片的核心需求。咱们一步步来修复：

首先分析现有代码的问题 #

• 变量名错误：CLIENT.accept()应该是client.accept()（你定义的socket对象是小写的client），这个错误会直接导致代理无法接受连接。
• 硬编码目标主机：所有GET请求都被转发到images.mid-day.com，这意味着像gaia.cs.umass.edu的文本请求也会被错误发送到图片服务器，你测试时能看到文本大概率是浏览器缓存的原因。
• 未实现图片拦截逻辑：代码完全没有判断请求的资源类型，自然无法阻止图片加载。
• 异常处理过于宽泛：except:会掩盖所有错误，比如连接失败、解析错误等，不利于排查问题。

修复后的代码实现 #

下面是修改后的代码，实现了解析请求目标主机、拦截图片资源、正确转发文本请求的功能：

from socket import *
import re

def is_image_request(request):
    # 匹配常见图片后缀的请求路径
    image_pattern = re.compile(r'\.(jpg|jpeg|png|gif|bmp|webp)$', re.IGNORECASE)
    lines = request.split('\n')
    if lines:
        first_line = lines[0].strip()
        if first_line.startswith('GET'):
            path = first_line.split(' ')[1]
            return image_pattern.search(path) is not None
    return False

def get_host_from_request(request):
    # 从请求头中提取Host字段
    lines = request.split('\n')
    for line in lines:
        if line.strip().lower().startswith('host:'):
            return line.strip().split(':', 1)[1].strip()
    # 如果没有Host字段，尝试从请求路径解析（兼容HTTP/1.0）
    first_line = lines[0].strip()
    if first_line.startswith('GET'):
        url_parts = first_line.split(' ')[1].split('/')
        if len(url_parts) >= 3:
            return url_parts[2]
    return None

proxy_port = 8880
server_socket = socket(AF_INET, SOCK_STREAM)
server_socket.setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)  # 允许端口复用，避免重启报错
server_socket.bind(("", proxy_port ))
server_socket.listen(10)
print(f"代理服务器已启动，监听端口 {proxy_port}...")

while True:
    client_connection, client_address = server_socket.accept()
    print(f"接收到来自 {client_address} 的连接")
    
    try:
        request = client_connection.recv(102400).decode('utf-8', errors='ignore')
        if not request:
            client_connection.close()
            continue
        
        if request.startswith("GET"):
            # 检查是否是图片请求，如果是则返回403拒绝
            if is_image_request(request):
                print("拦截图片请求")
                response = "HTTP/1.1 403 Forbidden\r\nContent-Length: 0\r\n\r\n"
                client_connection.send(response.encode())
                client_connection.close()
                continue
            
            # 解析目标主机
            host = get_host_from_request(request)
            if not host:
                print("无法解析请求的主机")
                client_connection.close()
                continue
            
            # 连接目标服务器并转发请求
            web_socket = socket(AF_INET, SOCK_STREAM)
            web_socket.connect((host, 80))
            web_socket.send(request.encode())
            
            # 循环接收服务器响应，确保完整转发给客户端
            while True:
                reply = web_socket.recv(102400)
                if not reply:
                    break
                client_connection.send(reply)
            
            web_socket.close()
        client_connection.close()
    except Exception as e:
        print(f"处理请求时出错: {str(e)}")
        client_connection.close()

server_socket.close()

关键修改说明 #

1. 变量名修正：把错误的CLIENT.accept()改成server_socket.accept()（同时将socket对象重命名为server_socket，语义更清晰）。
2. 图片拦截逻辑：新增is_image_request函数，通过正则匹配请求路径中的图片后缀，匹配到则返回403拒绝请求，直接阻止图片加载。
3. 动态解析目标主机：新增get_host_from_request函数，从请求头的Host字段提取目标主机，确保不同的请求转发到对应的服务器，不再硬编码固定主机。
4. 完整响应转发：循环接收服务器的响应数据，避免大响应被截断，保证文本内容完整显示。
5. 精准异常处理：捕获具体Exception并打印错误信息，方便排查连接、解析等环节的问题。
6. 端口复用设置：添加setsockopt(SOL_SOCKET, SO_REUSEADDR, 1)，避免重启代理时出现端口被占用的错误。

测试验证 #

1. 启动代理服务器，在Chrome中设置代理为127.0.0.1:8880。
2. 访问http://gaia.cs.umass.edu/wireshark-labs/HTTP-wireshark-file1.html，应该能正常显示文本内容。
3. 访问http://images.mid-day.com/images/2017/feb/15-salman-khan.jpg，浏览器会显示403禁止访问，图片无法加载，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Deo