Socket获取HTML时，Transfer-Encoding: chunked 获取的HTML出现多余的数据包字符总数，怎么删除或过滤掉？

这段时间用C#窗体做了个 Socket 和 HttpWebRequest 获取HTML页面，速度上Socket确实比HttpWebRequest快不少，所以想采用Socket获取HTML。问题来了报文中如果 Transfer-Encoding: chunked  的时候，获取的HTML页面代码中出现了，多余的“数据包字符总数”，就是从一开头就会有十六进制的数据包“字符总数”，如果HTML页面总字符数更长是会分多次收到数据包，但每输出一段数据包都会同时输出包的十六进制“总字符数”，请问高手怎么删除或过滤掉这个“总字符数”？

10 个解决方案

#1

求指点，只要不输出这个字符总数就行。。

#2

replace 替换成空格

#3

每次接收到的数据包“字符总数”不是固定的，想用正则匹配来着，但是有时候这个“字符总数”会出现在汉字两个字节中间，那局部一行的汉字就成了乱码，也无法过滤掉。愁，比较牛的正则也行，求指点

#4

就是想把那个“字符总数”不让他输出，就是从源头上屏蔽，怎么做到？

#5

‘过滤’ 不是好的处理方法。既然是标准协议，就要按照标准协议的方式去做。

Transfer-Encoding: chunked协议可参考：
http://zh.wikipedia.org/wiki/%E5%88%86%E5%9D%97%E4%BC%A0%E8%BE%93%E7%BC%96%E7%A0%81

#6

引用 5 楼 Forty2 的回复:

‘过滤’ 不是好的处理方法。既然是标准协议，就要按照标准协议的方式去做。

Transfer-Encoding: chunked协议可参考：
http://zh.wikipedia.org/wiki/%E5%88%86%E5%9D%97%E4%BC%A0%E8%BE%93%E7%BC%96%E7%A0%81

就是要把那个块的字节总数屏蔽掉，如果要是只有英文数字符号的话过滤没问题。但是里面有中文，如果一个块的结尾正好是半个字节的汉字（一个汉字占两个字节），那汉字就乱码了。求解决

#7

引用 3 楼 qq_22363821 的回复:

每次接收到的数据包“字符总数”不是固定的，想用正则匹配来着，但是有时候这个“字符总数”会出现在汉字两个字节中间，那局部一行的汉字就成了乱码，也无法过滤掉。愁，比较牛的正则也行，求指点

你认为“字符数”是人家随便插入任意位置的吗？你不了解一下字符数的规则吗？

建议你花点钱找别人给你处理掉它吧。

#8

如果你还是这样靠瞎猜来写程序，那么你最好收回“速度上Socket确实比HttpWebRequest快不少”这种论调。你都做不了正确的事，要“快”有什么用呢？

在明眼人看来，反而是你使用 HttpWebRequest 比什么都更实在。

#9

引用 8 楼 sp1234 的回复:

如果你还是这样靠瞎猜来写程序，那么你最好收回“速度上Socket确实比HttpWebRequest快不少”这种论调。你都做不了正确的事，要“快”有什么用呢？

在明眼人看来，反而是你使用 HttpWebRequest 比什么都更实在。

不懂别BB

#10

该回复于2015-10-21 15:37:19被管理员删除