res.writehead 是否真的写入我的 html 页面的头部？

Question

在我的 node.js 网页中，我正在制作类似于 Facebook 链接预览的页面预览。我正在调用以获取页面的 html，并使用它来创建预览。

$.ajax({
    type: 'GET',
    data: { "html": url },
    url: "/htmlTest",
    success: function (data) {
            imgArray = [];
            $('img', data).each(function () {
                imgArray.push(this.src);
            });
  ...

这是处理请求的服务器端代码。

app.get('/htmlTest', function (req, res) {
    res.writeHead(200, { 'content-type': 'text/html' });
        request(req.query.html, function (error, response, body) {
            if (error) {
                res.write(error.toString());
                res.end('\n');
            }
            else if (response.statusCode == 200) {
                res.write(body);
                res.end('\n');
            }
        })
});

现在我注意到的是，它只会将其他页面使用的任何 CSS 插入到我的页面中，这真的会搞砸一切。为什么会这样？

另外，当我在做的时候，有没有人对 facebook 样式的页面预览有更好的想法？

Answer 1

没有。 writeHead 将 HTTP 标头写入底层 TCP 流。它与 HTML 完全无关。

您遇到了问题，因为您的服务器返回了所请求 URL 的批发 HTML 内容。然后将此字符串传递给 jQuery，这显然是将包含的 CSS 样式添加到 your 文档中。

通常，从用户提供的 URL 中获取随机代码并在您的页面上下文中运行是一个糟糕的主意。它会让你发现巨大的安全漏洞——你看到的 CSS 工件就是一个例子。

坦率地说，您的代码有很多问题，请耐心等待我指出一些问题。

app.get('/htmlTest', function (req, res) {
    res.writeHead(200, { 'content-type': 'text/html' });

在这里，您以成功状态 (200) 响应浏览器 beore 您的服务器实际上做了任何事情。这是不正确的：只有在知道请求是成功还是失败之后，您才应该使用成功或错误代码进行响应。

        request(req.query.html, function (error, response, body) {
            if (error) {
                res.write(error.toString());
                res.end('\n');
            }

这里是响应错误代码的好地方，因为我们知道请求确实失败了。 res.send(500, error) 可以解决问题。

            else if (response.statusCode == 200) {
                res.write(body);
                res.end('\n');
            }

这里是我们可以用成功代码响应的地方。不要使用writeHead，而是使用Express 的set 和send 方法——Content-Length 之类的东西将被正确设置：

res.set('Content-Type', 'text/html');
res.send(body);

现在如果response.statusCode != 200 会发生什么？你不处理那个案子。 error 仅在网络错误（如无法连接到目标服务器）的情况下设置。目标服务器仍然可以以非 200 状态响应，并且您的节点服务器永远不会响应浏览器。事实上，连接会一直保持打开状态，直到用户将其终止。这可以通过简单的else res.end() 来解决。

---

即使解决了这些问题，我们仍然没有解决在浏览器中尝试解析任意 HTML 不是一个好主意的事实。

如果我是你，我会在服务器上使用将 HTML 解析为 DOM 的东西，然后我只会将必要的信息作为 JSON 返回给浏览器。 cheerio 是您可能想要使用的模块——它看起来就像 jQuery，只是它在服务器上运行。

我会这样做：

var cheerio = require('cheerio'), url = require('url'), request = require('request');

app.get('/htmlTest', function(req, res) {
    request(req.query.url, function(err, response, body) {
        if (err) res.send(500, err); // network error, send a 500
        else if (response.status != 200) res.send(500, { httpStatus: response.status }); // server returned a non-200, send a 500
        else {
            // WARNING!  We should probably check that the response content-type is html
            var $ = cheerio.load(body); // load the returned HTML into cheerio
            var images = [];
            $('img').each(function() {
                // Image srcs can be relative.
                // You probably need the absolute URL of the image, so we should resolve the src.
                images.push(url.resolve(req.query.url, this.src));
            });

            res.send({ title: $('title').text(), images: images }); // send back JSON with the image URLs
        }
    });
});

然后从浏览器：

$.ajax({
    url: '/htmlTest',
    data: { url: url },
    dataType: 'json',
    success: function(data) {
        // data.images has your image URLs
    },
    error: function() {
        // something went wrong
    }
});