php 获取 http 响应头 get_headers 方法的一个细节

背景

在 Web 后端开发过程中，经常需要确认一个远程网络文件是否存在，或者查看文件的大小。

如果直接将文件下载下来，当然可以在本地计算文件大小，但是未免要消耗大量时间和带宽资源。

有没有办法只获取文件大小，但又不用去下载呢？

答案是：可以。

HTTP 协议

在 http response 报文中，主要分为两大块：

响应头部 response header
响应内容 response body

以浏览器请求一张图片为例：

可以看到，响应头包含一个内容长度的字段：

Content-Length:5567

所以，只要获取到 http 响应头，就可以知道网络文件的大小了。

在 http 协议中专门定义了 HEAD 请求方法，告知服务器只返回响应头信息，不用返回响应内容。

请求示例：

curl -v -I 'http://upload.jianshu.io/users/upload_avatars/19687/a0ac666907b7?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240'

请求过程和响应：

> HEAD /users/upload_avatars/19687/a0ac666907b7?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240 HTTP/1.1
> User-Agent: curl/7.19.7 (x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.13.1.0 zlib/1.2.3 libidn/1.18 libssh2/1.2.2
> Host: upload.jianshu.io
> Accept: */*
> 
< HTTP/1.1 200 OK
< Date: Tue, 23 May 2017 12:21:54 GMT
< Server: openresty
< Content-Type: image/jpeg
< Content-Length: 5567
< Accept-Ranges: bytes

PHP

令人欣喜的是，php 已经内置了获取网络资源响应头的方法了：

get_headers();

执行命令：

php -r "print_r(get_headers('http://upload.jianshu.io/users/upload_avatars/19687/a0ac666907b7?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240'));"

打印结果：

Array
(
    [0] => HTTP/1.1 200 OK
    [1] => Date: Tue, 23 May 2017 13:35:38 GMT
    [2] => Server: openresty
    [3] => Content-Type: image/jpeg
    [4] => Content-Length: 5567
    [5] => Accept-Ranges: bytes
)

问题

看起来 php 中 get_headers 方法很好的执行了 http 协议，只获取了 header 信息。

但是，Nginx日志却显示 get_headers 方法用的是 GET 方法，并不是 HEAD：

127.0.0.1 - - [23/May/2017:21:51:22 +0800] GET /test.html HTTP/1.0 "200" ......

事实上，在使用 get_headers之前，你得手动指定用 HEAD 方法：

<?php
// By default get_headers uses a GET request to fetch the headers. If you want to send a HEAD request instead, you can do so using a stream context:
stream_context_set_default(
    array(
        'http' => array(
            'method' => 'HEAD'
        )
    )
);
$headers = get_headers('http://example.com/test.html');

Nginx 日志：

127.0.0.1 - - [23/May/2017:21:51:22 +0800] HEAD /test.html HTTP/1.0 "200" ......

总结

在使用 get_headers 获取响应头的时候，默认用的是 GET 方法，这就意味着除了返回头信息外，还有响应内容，这不就是直接下载了么？

事实上，在获取到头信息和少量的响应内容后，get_headers 方法就会主动关闭 tcp 连接，这样就不会把整个文件下载到内存了。

但是，我们的需求毕竟是只获取响应头，所以，在使用 get_headers 的时候建议手动指定 HEAD 请求方法。

还有问题？联系作者微信/微博 @Ceelog