有人爬我的网站？几行代码「炸」了他-战术训练营-反恐精英行动站

然后，我是用gzip命令把它压缩成一个.gz文件：

cat text.txt | gzip > data.gz

接下来，我们使用FastAPI写一个HTTP服务器server.py：

fromfastapi importFastAPI, Response

fromfastapi.responses importFileResponse

app = FastAPI

@app.get('/')

defindex:

resp = FileResponse('data.gz')

returnresp

然后使用命令uvicorn server:app启动这个服务。

接下来，我们使用requests来请求这个接口，会发现返回的数据是乱码，如下图所示：

返回的数据是乱码，这是因为服务器没有告诉客户端，这个数据是gzip压缩的，因此客户端只有原样展示。由于压缩后的数据是二进制内容，强行转成字符串就会变成乱码。

现在，我们稍微修改一下server.py的代码，通过Headers告诉客户端，这个数据是经过gzip压缩的：

fromfastapi importFastAPI, Response

fromfastapi.responses importFileResponse

app = FastAPI

@app.get('/')

defindex:

resp = FileResponse('data.gz')

resp.headers['Content-Encoding'] = 'gzip'# 说明这是gzip压缩的数据

returnresp

修改以后，重新启动服务器，再次使用requests请求，发现已经可以正常显示数据了：

这个功能已经展示完了，那么我们怎么利用它呢？这就不得不提到压缩文件的原理了。

文件之所以能压缩，是因为里面有大量重复的元素，这些元素可以通过一种更简单的方式来表示。压缩的算法有很多种，其中最常见的一种方式，我们用一个例子来解释。假设有一个字符串，它长成下面这样：

1111111111111111

我们可以用5个字符来表示：192个1。这就相当于把192个字符压缩成了5个字符，压缩率高达97.4%。

如果我们可以把一个1GB的文件压缩成1MB，那么对服务器来说，仅仅是返回了1MB的二进制数据，不会造成任何影响。但是对客户端或者爬虫来说，它拿到这个1MB的数据以后，就会在内存中把它还原成1GB的内容。这样一瞬间爬虫占用的内存就增大了1GB。如果我们再进一步增大这个原始数据，那么很容易就可以把爬虫所在的服务器内存全部沾满，轻者服务器直接杀死爬虫进程，重则爬虫服务器直接死机。

你别以为这个压缩比听起来很夸张，其实我们使用很简单的一行命令就可以生成这样的压缩文件。

如果你用的是Linux，那么请执行命令：

dd if=/dev/zero bs=1M count=1000 | gzip > boom.gz

如果你的电脑是macOS，那么请执行命令：

dd if=/dev/zero bs=1048576 count=1000 | gzip > boom.gz

执行过程如下图所示：

生成的这个boom.gz文件只有995KB。但是如果我们使用gzip -d boom.gz对这个文件解压缩，就会发现生成了一个1GB的boom文件，如下图所示：

只要大家把命令里面的count=1000改成一个更大的数字，就能得到更大的文件。

我现在把count改成10，给大家做一个演示（不敢用1GB的数据来做测试，害怕我的Jupyter崩溃）。生成的boom.gz文件只有10KB：

服务器返回一个10KB的二进制数据，没有任何问题。

现在我们用requests去请求这个接口，然后查看一下resp这个对象占用的内存大小：

可以看到，由于requests自动会对返回的数据解压缩，因此最终获得的resp对象竟然有10MB这么大。

如果大家想使用这个方法，一定要先确定这个请求是爬虫发的，再使用。否则被你干死的不是爬虫而是真实用户就麻烦了。

本文的写作过程中，参考了文章网站gzip炸弹 – 王春伟的技术博客[2]，特别感谢原作者。

参考文献

[1] Binary Response Content: https://2.python-requests.org/en/master/user/quickstart/#binary-response-content

[2] 网站gzip炸弹 – 王春伟的技术博客: http://da.dadaaierer.com/?p=577

---END---返回搜狐，查看更多