C# HttpWebRequest - 如何在不下载的情况下区分 HTML 和 XML 页面？

Posted 2023-03-05

【中文标题】C# HttpWebRequest - 如何在不下载的情况下区分 HTML 和 XML 页面？

【英文标题】：C# HttpWebRequest - How to disgtinguish between HTML and XML pages without downloading?

【发布时间】：2010-10-28 17:06:04

【问题描述】：

我需要能够通过查看标题或类似的东西（无需下载）来判断链接（URL）是指向 XML 文件（RSS 提要）还是常规 html 文件

对我有什么好的建议吗？ :)

谢谢！ 罗伊

【参考方案1】：

只需在“文本”阅读器中阅读即可。 然后通过例如寻找一些标签来决定哪个是最好的;） 然后将其放入您的实际阅读器中。

还是太简单了？

【讨论】：

他特别说他想在下载整个文件之前知道。

【参考方案2】：

您可以使用Content-Type 标头，为了节省带宽，您可以强制网络服务器为您提供文档的指定部分。如果服务器在其响应中包含Accept-Ranges: bytes 标头，您可以使用Range: bytes=0-10 仅下载前十个字节（甚至尝试不下载任何内容）。

还要研究HEAD动词而不是GET。

【参考方案3】：

您无法仅通过查看 URL 来找出它是什么文件类型。

我建议您尝试检查您请求的文档的 MIME-type，或者阅读第一行并希望作者输入了 Doctype。

【参考方案4】：

你可以只做一个 HEAD 请求而不是一个完整的 POST/GET

这将为您提供该页面的标题，其中应包含内容类型。 从中您应该能够区分它的 text/html 还是 xml

有一个很好的例子here on SO

【讨论】：

+1 完美答案和 HEAD 请求存在的确切原因

稍微提醒一下，有些服务器不支持 HEAD，所以当它失败时不要忘记回退到 GET/POST。

我数了一个“可以”和两个“应该”。 ;]

确实......它确实假设有问题的网络服务器支持 HTTP HEAD 请求并且内容 mimetypes 设置正确（如果有的话），但我认为这些场景将是例外的规则。

【参考方案5】：

跟进 Eoin Campbell 的回复，这里有一个代码 sn-p，它应该使用 System.Net 功能完全做到这一点：

using (var request = System.Net.HttpWebRequest.Create(
    "http://tempuri.org/pathToFile"))

    request.Method = "HEAD";

    using (var response = request.GetResponse())
    
        switch (response.ContentType)
        
            case "text/xml":
                // ...
                break;
            case "text/html":
                // ...
                break;
        
    

当然，这假设 Web 服务器发布内容 (MIME) 类型并且这样做是正确的。但是，既然您说想要一种带宽有效的方式来执行此操作，我假设您不想下载所有标记并对其进行分析！老实说，内容类型通常在任何情况下都设置正确。

【讨论】：

你可以只使用 response.ContentType;

这正好回答了一半的问题。有一些棘手的内容类型，例如：w3.org/TR/xhtml-media-types/#application-xhtml-xml

@bzlm：是的，但他们真的习惯了吗？我们在这里只讨论 HTML 和 XML 类型。

【参考方案6】：

检查 HttpWebResponse 对象中的标头。对于 XML/RSS 文档，Content-Type 标头应该读取 text/xml，对于标准网页，应该读取 text/html。

【参考方案7】：

一般来说，这是不可能的。这是因为可以（尽管没有帮助）将 HTML 或 XML 文件作为 application/octet-stream 提供。此外，正如其他人所指出的，有多种有效的 XML mime 类型。但是，HEAD 请求然后内容类型检查有时会起作用：

WebRequest req = WebRequest.Create(url);
WebResponse resp = req.GetResponse();
req.Method = "HEAD";
String contentType = resp.ContentType;

if(contentType == "text/xml")
  getXML(url);
else if(contentType == "text/html")
  getHTML(url);

但如果你要以某种方式处理它，你可以这样做：

WebRequest req = WebRequest.Create(url);
WebResponse resp = req.GetResponse();
String contentType = resp.ContentType;

if(contentType == "text/xml")
  processXML(resp.GetResponseStream());
else if(contentType == "text/html")
  processHTML(resp.GetResponseStream());
else
  // process error condition

请记住，文件是根据需要下载的。所以仅仅请求响应对象并不会导致整个文件被下载。