使用Go语言+goproxy库编写的http代理服务器+图片cache保存脚本 第一版完成

cteng · · 3511 次点击 · · 开始浏览    
这是一个创建于 的文章,其中的信息可能已经有所发展或是发生改变。

使用Go语言+goproxy库编写的http代理服务器+图片cache保存 第一版完成

用法:
1、安装Go 1.5.x
2、命令行设置环境变量GOSRC(Windows下设置到“我的电脑”里面)
3、安装goproxy库:go get github.com/elazarl/goproxy
4、运行脚本:go run go-httproxy-imagedumper.go
5、可以用go build创建exe版本

package main

import (
	"crypto/sha1"
	"errors"
	"flag"
	"fmt"
	"io"
	"log"
	"net"
	"net/http"
	// "net/http/httputil"
	"os"
	"os/signal"
	"path"
	"regexp"
	"sync"
	// "time"

	"github.com/elazarl/goproxy"
	// "github.com/elazarl/goproxy/transport"
)


//--------------------------------------------------------------------------- Code Copied from examples/goproxy-httpdump
type FileStream struct {
	path string
	f    *os.File
}

func NewFileStream(path string) *FileStream {
	return &FileStream{path, nil}
}

func (fs *FileStream) Write(b []byte) (nr int, err error) {
	if fs.f == nil {
		fs.f, err = os.Create(fs.path)
		if err != nil {
			return 0, err
		}
	}
	return fs.f.Write(b)
}

func (fs *FileStream) Close() error {
	fmt.Println("Close", fs.path)
	if fs.f == nil {
		return errors.New("FileStream was never written into")
	}
	return fs.f.Close()
}

//--------------------------------------------------------------------------- Code Copied from examples/goproxy-httpdump
// TeeReadCloser extends io.TeeReader by allowing reader and writer to be
// closed.
type TeeReadCloser struct {
	r io.Reader
	w io.WriteCloser
	c io.Closer
}

func NewTeeReadCloser(r io.ReadCloser, w io.WriteCloser) io.ReadCloser {
	return &TeeReadCloser{io.TeeReader(r, w), w, r}
}

func (t *TeeReadCloser) Read(b []byte) (int, error) {
	return t.r.Read(b)
}

// Close attempts to close the reader and write. It returns an error if both
// failed to Close.
func (t *TeeReadCloser) Close() error {
	err1 := t.c.Close()
	err2 := t.w.Close()
	if err1 != nil {
		return err1
	}
	return err2
}

//--------------------------------------------------------------------------- Code Copied from examples/goproxy-httpdump
// stoppableListener serves stoppableConn and tracks their lifetime to notify
// when it is safe to terminate the application.
type stoppableListener struct {
	net.Listener
	sync.WaitGroup
}//使用小写字母开头的名称是为了不让类型导出吗?

type stoppableConn struct {
	net.Conn
	wg *sync.WaitGroup
}

func newStoppableListener(l net.Listener) *stoppableListener {
	return &stoppableListener{l, sync.WaitGroup{}}
}

func (sl *stoppableListener) Accept() (net.Conn, error) {
	c, err := sl.Listener.Accept()
	if err != nil {
		return c, err
	}
	sl.Add(1)
	return &stoppableConn{c, &sl.WaitGroup}, nil
}

func (sc *stoppableConn) Close() error {
	sc.wg.Done()
	return sc.Conn.Close()
}

var imageSubTypeFinder = regexp.MustCompile(`image/([a-z\-]+)`) //实际的可能取值:image/png;charset=UTF-8

func main() {
	verbose := flag.Bool("v", true, "should every proxy request be logged to stdout") //调试时暂时设置为true
	addr := flag.String("l", ":8888", "on which address should the proxy listen")
	cache_basedir := flag.String("d", "cache-basedir", "cache directory to dump image response data")
	flag.Parse()
	proxy := goproxy.NewProxyHttpServer()
	proxy.Verbose = *verbose
	if err := os.MkdirAll(*cache_basedir, 0755); err != nil {
		log.Fatal("Can't create cache base dir", err)
	}

	//禁止某些已经被gfw阻塞了的host的请求,以防止浏览器发生IO阻塞:
	proxy.OnRequest(goproxy.ReqHostIs("ajax.googleapis.com")).DoFunc(//这个需要请求头部里指定了Host字段吧?
		func(r *http.Request, ctx *goproxy.ProxyCtx) (*http.Request, *http.Response) {
			return r, goproxy.NewResponse(r,
				goproxy.ContentTypeText, http.StatusRequestTimeout,
				"access blocked");
		});
		//测试网址:http://shop.oreilly.com/category/mobile/new.do 测试成功

	proxy.OnResponse().DoFunc(func(resp *http.Response, ctx *goproxy.ProxyCtx) *http.Response {
		//过滤条件:
		// 1, 状态码==200
		// 2, 响应的Content-Type=="image/*"
		//注意: goproxy当前似乎不能处理chunked/gzipped响应body,所以数据是以原始格式保存的(这对于浏览器客户端没有影响)
		if ctx.Req.Method != "GET" {
			return resp;
		}
		if resp==nil {
			return resp; //goproxy特有的架构设计;不管
		}
		if resp.StatusCode != 200 {
			return resp; //let it pass;
		}
		contentTypeHeaderValue := resp.Header.Get("Content-Type")
		if contentTypeHeaderValue == "" {
			//TODO:即使响应头部里没有指定content-type,照理说仍然可以通过尝试decode的方法来判断是否图像数据
			return resp;
		}
		m := imageSubTypeFinder.FindStringSubmatch(contentTypeHeaderValue)
		if m==nil {
			return resp; //不是图像类型,不处理
		}
		imageSubType := m[1]
		imageFileSuffix := imageSubType
		switch imageFileSuffix{
		case "x-icon":
			imageFileSuffix = "ico"
		case "jpeg":
			imageFileSuffix = "jpg"
		}
		//现在可以存储图像数据到本地文件了,存储格式分为2个文件:
		//   (1) <图像原始url的SHA1哈希> ".headers"
		//       	其中,第一行是GET <url>, 然后空行,后面跟响应头部; 再空行,后面跟请求头部数据
		//	 (2) <图像原始url的SHA1哈希> "." imageFileSuffix
		//这2个文件成对出现,并可能映射到cache基准目录下的子目录(一般操作系统同一目录下创建太多文件可能影响性能)
		//如此设计可以保证高性能的根据指定url返回图像数据的API,但是还缺少一个枚举所有已经缓存的图像文件的原始url,
		//	 TODO:是否使用数据库如sqlite保存这个信息?
		//TODO:文件的cache保存IO操作最好如此设计:
		//	(1)响应body数据一开始放到某个内存bufio对象里,只有当响应数据长度>4KB时才开始写到本地文件,这可以避免无用的小文件cache
		//	(2)最好不是在单独的goproxy handler里直接写文件,而是发送到专门的IO goroutine处理,以提高IO调度的性能?
		//FIXME:可能存在同一个请求url,远程服务器根据其他请求头部的不同(比如cookie?)返回不同响应数据的情况,当前不考虑这种情况

		image_url := ctx.Req.URL.String()
		h := sha1.New()
		h.Write([]byte(image_url))
		image_url_hash := fmt.Sprintf("%x", h.Sum(nil))
		log.Println("Url=%s SHA1=%s", image_url, image_url_hash)

		//使用此hash值作为文件名,这里有个文件:假如对应文件已经存在呢?
		fs_headers := NewFileStream(path.Join(*cache_basedir, fmt.Sprintf("%s.headers", image_url_hash)))
		fmt.Fprintf(fs_headers, "GET %s\r\n", image_url)
		fmt.Fprintf(fs_headers, "\r\n");
		for k, v := range resp.Header {
			fmt.Fprintf(fs_headers, "%s: %s\r\n", k, v[0]) //type Header map[string][]string
		}
		fmt.Fprintf(fs_headers, "\r\n");
		for k, v := range ctx.Req.Header {
			fmt.Fprintf(fs_headers, "%s: %s\r\n", k, v[0])
		}
		fs_headers.Close()

		fs_body := NewFileStream(path.Join(*cache_basedir, fmt.Sprintf("%s.%s", image_url_hash, imageFileSuffix)))
		resp.Body = NewTeeReadCloser(resp.Body, fs_body) //这里的响应body数据的dump模仿goproxy-httpdump例子的写法
		return resp
	})
	listen_addr, err := net.Listen("tcp", *addr)
	if err != nil {
		log.Fatal("listen:", err)
	}
	sl := newStoppableListener(listen_addr)
	ch := make(chan os.Signal) //从这个chan中读数据能够自动取得用户的键盘中断信号?
	signal.Notify(ch, os.Interrupt)
	go func() {
		<-ch
		log.Println("Got SIGINT exiting")
		sl.Add(1)
		sl.Close()
		sl.Done()
	}()
	log.Println("Starting Go HttpProxy-ImageDumper...")
	http.Serve(sl, proxy)
	sl.Wait()
	log.Println("All connections closed - exit")
}

已知问题:Ctrl+C试图结束程序运行时,程序不能立即退出。

有疑问加站长微信联系(非本文作者)

入群交流(和以上内容无关):加入Go大咖交流群,或添加微信:liuxiaoyan-s 备注:入群;或加QQ群:692541889

3511 次点击  
加入收藏 微博
暂无回复
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传