网络与字符集

手写的 HTTP/1.1 客户端加 rustls。没有第三方 HTTP 库——net/http.rs 的文件注释写着「只管字节层面的事」。42 条单元测试。

手写的 HTTP/1.1 客户端加 rustls。没有第三方 HTTP 库——net/http.rs 的文件注释写着「只管字节层面的事」。42 条单元测试。

依赖

url.workspace = true
encoding_rs.workspace = true
rustls.workspace = true
webpki-roots.workspace = true

TLS 交给 rustls，根证书用 webpki-roots（内置的 Mozilla 根证书集）。HTTP 报文自己拼、自己解。URL 用 url crate，字符集解码用 encoding_rs。

pub enum Method { Get, Post, Head }

三个都定义了，Request::to_bytes 会正确地序列化 POST（含 Content-Length），也有对应测试。

但客户端只发 GET。 fetch_once 里写死 Request::get(...)，没有发出 POST 的路径。所以表单提交那类场景现在做不到。

每次请求新建一条连接，发 Connection: close，取完就断。

//! 连接池留到有性能需求时再做。

一个页面引五份外部样式表，就是五条连接、五次 TLS 握手。慢，但正确。

同时开着 set_nodelay(true)——请求量小，延迟比吞吐重要。

rustls 0.23 加 webpki-roots。连接时建 RootCertStore，用 with_no_client_auth，握手在 connect 里完成。

Stream::Tls(rustls::StreamOwned<ClientConnection, TcpStream>)

跟随 301、302、303、307、308。

Location 头用 Url::join 解析，因此相对地址（/new-path）能正确补全。跳转次数上限 10，超过报 TooManyRedirects。

303 的「把方法改成 GET」这条语义没有单独处理——因为本来就只用 GET。

跟随之后的最终地址会回传给调用方，这一点在 C ABI 那边是有用的：补全页面里的相对链接要用最终地址。

优先级：Transfer-Encoding: chunked → Content-Length → 读到对端关闭。

204、304、1xx 按规范没有正文，直接当空处理。

分块传输的完整性单独判断。 有一个 chunked_is_complete 函数，判据是「收到过终止块」，不依赖服务器关闭连接。这是必要的：分块编码的响应可能一直保持连接打开（比如长轮询），靠关闭判断会把正常的响应当成截断。

压缩完全不支持。 请求不发 Accept-Encoding，响应里的 Content-Encoding 也不解。全仓对 gzip、brotli、deflate 零命中。

后果是流量比主流浏览器大——HTML 的压缩比通常在 3 到 5 倍之间。

Cookie 不支持。 不存也不发。

缓存不支持。 没有条件请求，没有 Cache-Control 处理，刷新就是重新取。

连接池没有。 上面说了。

子资源只取样式表。 <link rel="stylesheet"> 会取，<script>、<img>、字体文件都不取。取样式表的机制是复用取页面的那条路，靠 as_page 参数区分判据。

pub fn sniff(bytes: &[u8], content_type: Option<&str>) -> /* ... */;

按 HTML 规范的顺序，三步：

第一步，字节序标记。 EF BB BF 是 UTF-8，FF FE 是 UTF-16LE，FE FF 是 UTF-16BE。BOM 的优先级最高。

第二步，Content-Type 头的 charset。 形如 text/html; charset=gbk。解析时容忍引号（charset="gbk"）。

第三步，正文前 1024 字节里的 <meta charset>。 扫描是在 ASCII 上做的——遇到非 ASCII 字节先映射成 U+FFFD 再比，这样能避免在多字节序列中间误判。

三步都落空就用 UTF-8。

pub fn decode(bytes: &[u8], encoding: /* ... */) -> String;

实现在 encoding_rs 上，遇到非法字节做替换而不是 panic——一个编码声明写错的页面会显示成乱码加替换字符，但不会让浏览器崩掉。

编码名用 Encoding::for_label 识别，标签里只收字母、数字、减号、下划线。

规范里 @charset 声明在样式表里也起编码作用。CSS 词法层产出了 Charset 记号，但把它接进解码那一步还没做。所以一份用 @charset "gbk" 声明编码的样式表，会按 BOM / Content-Type / UTF-8 的顺序解码，声明被忽略。

42 条，分三个文件：

http.rs（20 条） 测报文的拼装与解析：请求行的构造、状态行与响应头的解析、Content-Length 与分块解码、各种畸形输入的处理。

client.rs（10 条） 测完整的请求流程。这些测试会真的开一个本地 TCP 监听端口，用一个假的服务器回预置的响应——所以它覆盖的是真实的解析路径，不是打桩的。

encoding.rs（12 条） 测嗅探的三种来源与优先级、decode 对非法字节的处理、以及编码名的识别。