- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我最近对网络爬虫很感兴趣,但有一件事对我来说不是很清楚。想象一个简单的爬虫程序,它将获取页面,从中提取链接并将它们排队等待以后以相同的方式进行处理。
当某个链接不会指向另一个页面而是指向某个 Assets 或其他类型的静态文件时,爬虫如何处理这种情况?它怎么会知道?它可能不想下载这种可能很大的二进制数据,甚至不想下载 xml 或 json 文件。内容协商怎么落到这个地步?
当我使用 Accept: text/html
向 example.com/foo.png
发出请求时,我认为内容协商应该在网络服务器端工作如果它不能满足我的要求,请发回 html 响应或 Bad Request 状态给我,没有其他可以接受的,但这不是它在现实生活中的工作方式。它无论如何都会用 Content-Type: image/png
向我发送二进制数据,即使我告诉它我只接受 text/html
。为什么网络服务器会这样工作而不强制执行我要求的正确响应?
内容协商的实现是否中断或应用程序有责任正确实现?
真正的爬虫是如何工作的?提前发送 HEAD 请求以检查链接另一端的内容被视为不切实际的资源浪费。
最佳答案
不是“Bad Request”,正确的响应是 406 Not Acceptable。
HTTP 规范声明它应该发回此规范[ 1 ],但大多数实现不这样做。如果你想避免下载你不感兴趣的内容类型,你唯一的选择确实是先做一个 HEAD。由于您可能抓取了这些图片,因此您也可以做出一些明智的猜测,认为它实际上是一张图片(例如,它出现在 <img>
标签中)。
您也可以像往常一样开始请求,一旦您发现正在返回二进制数据,就立即切断 TCP 连接。但我不确定这个想法有多好。
关于http - 内容协商是否中断?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11450737/
我有一个 if 语句,如下所示 if (not(fullpath.lower().endswith(".pdf")) or not (fullpath.lower().endswith(tup
然而,在 PHP 中,可以: only appears if $foo is true. only appears if $foo is false. 在 Javascript 中,能否在一个脚
XML有很多好处。它既是机器可读的,也是人类可读的,它具有标准化的格式,并且用途广泛。 它也有一些缺点。它是冗长的,不是传输大量数据的非常有效的方法。 XML最有用的方面之一是模式语言。使用模式,您可
由于长期使用 SQL2000,我并没有真正深入了解公用表表达式。 我给出的答案here (#4025380)和 here (#4018793)违背了潮流,因为他们没有使用 CTE。 我很欣赏它们对于递
我有一个应用程序: void deleteObj(id){ MyObj obj = getObjById(id); if (obj == null) { throw n
我的代码如下。可能我以类似的方式多次使用它,即简单地说,我正在以这种方式管理 session 和事务: List users= null; try{ sess
在开发J2EE Web应用程序时,我通常会按以下方式组织我的包结构 com.jameselsey.. 控制器-控制器/操作转到此处 服务-事务服务类,由控制器调用 域-应用程序使用的我的域类/对象 D
这更多是出于好奇而不是任何重要问题,但我只是想知道 memmove 中的以下片段文档: Copying takes place as if an intermediate buffer were us
路径压缩涉及将根指定为路径上每个节点的新父节点——这可能会降低根的等级,并可能降低路径上所有节点的等级。有办法解决这个问题吗?有必要处理这个吗?或者,也许可以将等级视为树高的上限而不是确切的高度? 谢
我有两个类,A 和 B。A 是 B 的父类,我有一个函数接收指向 A 类型类的指针,检查它是否也是 B 类型,如果是将调用另一个函数,该函数接受一个指向类型 B 的类的指针。当函数调用另一个函数时,我
有没有办法让 valgrind 使用多个处理器? 我正在使用 valgrind 的 callgrind 进行一些瓶颈分析,并注意到我的应用程序中的资源使用行为与在 valgrind/callgrind
假设我们要使用 ReaderT [(a,b)]超过 Maybe monad,然后我们想在列表中进行查找。 现在,一个简单且不常见的方法是: 第一种可能性 find a = ReaderT (looku
我的代码似乎有问题。我需要说的是: if ( $('html').attr('lang').val() == 'fr-FR' ) { // do this } else { // do
根据this文章(2018 年 4 月)AKS 在可用性集中运行时能够跨故障域智能放置 Pod,但尚不考虑更新域。很快就会使用更新域将 Pod 放入 AKS 中吗? 最佳答案 当您设置集群时,它已经自
course | section | type comart2 : bsit201 : lec comart2 :
我正在开发自己的 SDK,而这又依赖于某些第 3 方 SDK。例如 - OkHttp。 我应该将 OkHttp 添加到我的 build.gradle 中,还是让我的 SDK 用户包含它?在这种情况下,
随着 Rust 越来越充实,我对它的兴趣开始激起。我喜欢它支持代数数据类型,尤其是那些匹配的事实,但是对其他功能习语有什么想法吗? 例如标准库中是否有标准过滤器/映射/归约函数的集合,更重要的是,您能
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 关闭 9 年前。 Improve
我一直在研究 PHP 中的对象。我见过的所有示例甚至在它们自己的对象上都使用了对象构造函数。 PHP 会强制您这样做吗?如果是,为什么? 例如: firstname = $firstname;
...比关联数组? 关联数组会占用更多内存吗? $arr = array(1, 1, 1); $arr[10] = 1; $arr[] = 1; // <- index is 11; does the
我是一名优秀的程序员,十分优秀!