HTTP的请求头标签 If-Modified-Since

一直以来没有留意过HTTP请求头的IMS（If-Modified-Since）标签。

最近在分析Squid的access.log日志文件时，发现了一个现象。
就是即使是对同一个文件进行HTTP请求，第一次和第二次产生的网络流量数据也是不一致的。

在调查的过程中，逐渐了解了HTTP的If-Modified-Since的头标签的作用。

大家都知道客户端浏览器是有缓存的，里面存放之前访问过的一些网页文件。
例如IE，会把缓存文件存到“C:\Documents and Settings\zh2000g\Local Settings\Temporary Internet Files”
这样类似的目录里。
其实缓存里存储的不只是网页文件，还有服务器发过来的该文件的最后服务器修改时间。

If-Modified-Since是标准的HTTP请求头标签，在发送HTTP请求时，把浏览器端缓存页面的最后修改时间一起发到服务器去，服务器会把这个时间与服务器上实际文件的最后修改时间进行比较。

如果时间一致，那么返回HTTP状态码304（不返回文件内容），客户端接到之后，就直接把本地缓存文件显示到浏览器中。

如果时间不一致，就返回HTTP状态码200和新的文件内容，客户端接到之后，会丢弃旧文件，把新文件缓存起来，并显示到浏览器中。

下面用一个简单的小例子说明一下。

由于演示例子需要截取HTTP Request和Response的信息，我在这里使用的工具是Fiddler。
感兴趣的朋友可以到【http://www.fiddler2.com/Fiddler2/version.asp】去下载。

1.首先在服务器创建一个简单的HTML文件，用浏览器访问一下，成功表示HTML页面。Fiddler就会产生下面的捕获信息。
  需要留意的是
  （1）因为是第一次访问该页面，客户端发请求时，请求头中没有If-Modified-Since标签。
  （2）服务器返回的HTTP状态码是200，并发送页面的全部内容。
  （3）服务器返回的HTTP头标签中有Last-Modified，告诉客户端页面的最后修改时间。  
  
2.在浏览器中刷新一下页面，Fiddler就会产生下面的捕获信息。
  需要注意的是
  （1）客户端发HTTP请求时，使用If-Modified-Since标签，把上次服务器告诉它的文件最后修改时间返回到服务器端了。
  （2）因为文件没有改动过，所以服务器返回的HTTP状态码是304，没有发送页面的内容。

3.用文本编辑器稍微改动一下页面文件，保存。再用浏览器访问一下，Fiddler就会产生下面的捕获信息。
需要留意的是
  （1）客户端发HTTP请求时，使用If-Modified-Since标签，把上次服务器告诉它的文件最后修改时间返回到服务器端了。
  （2）因为文件被改动过，两边时间不一致，所以服务器返回的HTTP状态码是200，并发送新页面的全部内容。
  （3）服务器返回的HTTP头标签中有Last-Modified，告诉客户端页面的新的最后修改时间。

HTTP的If-Modified-Since头标签与客户端缓存相互配合，大大节约了网络流量。

HTTP缓存 - If-Modified-Since与Last-Modified

2015-04-14 17:34:38|  分类： HTTP |  标签：http  缓存  if-modified-since  last-modified  |举报|字号 订阅

下载LOFTER我的照片书  |

概述

当浏览器本地缓存的数据已经过期或无法判断是否为最新版本，就会向服务器发起请求进行核对，常见的是Last-Modified与If-Modified-Since结合使用。

• 如果自指定的时间之后，文档发生了变化，就返回文档内容和新的修改时间，浏览器用新的数据覆盖本地缓存。
• 如果文档没有变化，返回304 Not Modified，只返回一些需要在浏览器中更新的Header信息。

注：一些WEB服务器在实现时，只是比较If-Modified-Since与文档的修改时间是否一致，并没有确认是否在这个时间之后修改过。

实例

首次请求与响应

1）浏览器首次访问时，请求的Header中没有If-Modified-Since。
2）响应状态码为200，响应的Header中返回了Last-Modified并完整地返回了文件内容。

本地有缓存，文档在服务器未修改

1）浏览器再次访问，请求的Header携带了If-Modified-Since，其值为上次响应的Last-Modified的时间。
2）此文件没有修改过，服务器返回响应状态码为304，响应的Body为空。

本地有缓存，文档在服务器有修改

1）在服务器修改文件。
2）浏览器的请求的Header携带If-Modified-Since。
3）由于文件已修改并且比If-Modified-Since的时间新，因此响应状态码为200，返回文件内容并在响应的Header中返回了Last-Modified，其值为文件的最新修改时间。

<正文结束>

Last-Modified、If-Modified-Since 实现缓存和 OutputCache

发布时间：2015-03-24 21:03 点击：638次 文章作者：admin

先梳理三个概念：

• OutputCache：页面输出缓存，一般 ASP.NET 应用程序会用到。
• Last-Modified：Http 响应头（Http Reponse Header），由服务器发给客户端，格式为 Last-Modified:Tue, 24 Mar 2015 06:40:46 GMT
• If-Modified-Since：Http 请求头（Http Request Header），由客户端发给服务器，格式为 If-Modified-Since:Tue, 24 Mar 2015 06:40:46 GMT

还有两个 HTTP 状态码：

• 200（成功）：正常状态，服务器已成功处理了请求，每次都有客户端和服务端的交互。
• 304（未修改）：自从上次请求后，请求的网页未修改过，服务器返回此响应时，不会返回网页内容。如果网页自请求者上次请求后再也没有更改过，将服务器配置为返回此响应（If-Modified-Since HTTP），服务器可以告诉客户端网页没有变更，进而节省带宽和开销。

如果我们的应用程序没有进行任何的缓存处理，客户端在每次浏览页面的时候，Last-Modified 和 If-Modified-Since 的响应值都为 NULL，并且 HTTP 状态码为 200，这没什么问题。我们下面要做的工作先使用 OutputCache 实现缓存，代码很简单：

public static int index = 0; [OutputCache(Duration = 120)] public ActionResult About() { FileHelper.Write(@"C:\Users\xishuai\Desktop\test.txt", (index+1).ToString()); ViewBag.Message = "Message：" + index++; return View(); }

第一次请求：

• Status Code：200
• Last-Modified：Tue, 24 Mar 2015 07:13:46 GMT
• If-Modified-Since：NULL
• test.txt：0
• Message：0

第二次请求：

• Status Code：304
• Last-Modified：Tue, 24 Mar 2015 07:13:46 GMT
• If-Modified-Since：Tue, 24 Mar 2015 07:13:46 GMT
• test.txt：0
• Message：0

第三次请求：

• Status Code：304
• Last-Modified：Tue, 24 Mar 2015 07:13:46 GMT
• If-Modified-Since：Tue, 24 Mar 2015 07:13:46 GMT
• test.txt：0
• Message：0

Message 和 test.txt 里面的值一直为 0，Message 是为了测试页面缓存有没有生效，test.txt 是为了测试 About Action 有没有执行，这两个值的测试结果是我们想要的。另外，可以看到，第一次刷新的时候，Last-Modified 是有值的，而 If-Modified-Since 却没有值，这是因为 Last-Modified 是服务器发给客户端，而 If-Modified-Since 的产生必须要要通过 Last-Modified，并且是由客户端发给服务器，这个在第二次刷新的时候就可以看到，在页面输出缓存的 120 秒内，这两个值会一直不变。

dudu 之前的两篇博文：

• 一个伴随 ASP.NET 从 1.0 到 4.0 的 OutputCache Bug
• 注意！ASP.NET MVC 3 的一个 OutputCache 问题

出现的问题就是我们在第三次请求的时候，HTTP 状态码为 200，之前的解决方式是 Response.Cache.SetOmitVaryStar(true);，这个我在做测试的时候没有遇到，使用的是 MVC 5.2.2，微软应该是修复了。

public static int index = 0; public ActionResult About() { string dt = Request.Headers["If-Modified-Since"]; DateTime isModifiedSince; if (!string.IsNullOrEmpty(dt)) { if (DateTime.TryParse(dt, out isModifiedSince)) { if (isModifiedSince.AddSeconds(120) < DateTime.Now) { Response.Cache.SetLastModified(DateTime.Now); } } } else { Response.Cache.SetLastModified(DateTime.Now); } FileHelper.Write(@"C:\Users\xishuai\Desktop\test.txt", (index+1).ToString()); ViewBag.Message = "Message：" + index++; return View(); }

先说下上面代码的意思，首先获取请求头中 If-Modified-Since 的值，如果没有值的话，就通过 SetLastModified 设置响应头中 Last-Modified 的值，如果有值的话，进行时间间隔判断，如果在 120 秒之外，则更新 Last-Modified 的值，否则不更新，我们来看下测试结果。

第一次请求：

• Status Code：200
• Last-Modified：Tue, 24 Mar 2015 07:34:58 GMT
• If-Modified-Since：NULL
• test.txt：0
• Message：0

第二次请求：

• Status Code：200
• Last-Modified：NULL
• If-Modified-Since：Tue, 24 Mar 2015 07:35:46 GMT
• test.txt：1
• Message：1

第三次请求：

• Status Code：200
• Last-Modified：Tue, 24 Mar 2015 07:36:03 GMT
• If-Modified-Since：NULL
• test.txt：2
• Message：2

这是什么情况？和 OutputCache 的效果也差太多了吧，总的来说，HTTP 的状态码一直为 200，test.txt 和 Message 的值一直在发生变化，也就是说“缓存”没有一点效果，而 Last-Modified 和 If-Modified-Since 则更奇怪，一会有值，一会没值。其实很正常，如果 HTTP 的状态码为 200，当一个请求发起的时候，首先设置 Last-Modified 的值，而 If-Modified-Since 则是在下个请求才能生效，因为生效了，所以第二次请求的时候，我们并没有设置 Last-Modified 的值，所以第一次和第二次的请求结果就是上面所示，下面的请求就是重复第一次和第二次请求。

我们知道，Last-Modified 和 If-Modified-Since 的结果和 HTTP 的状态码有关，下面我们再来修改下代码：

public static int index = 0; public ActionResult About() { string dt = Request.Headers["If-Modified-Since"]; DateTime isModifiedSince; if (!string.IsNullOrEmpty(dt)) { if (DateTime.TryParse(dt, out isModifiedSince)) { if (isModifiedSince.AddSeconds(120) < DateTime.Now) { Response.Cache.SetLastModified(DateTime.Now); Response.StatusCode = 200; } else { Response.StatusCode = 304; } } else { Response.StatusCode = 304; } } else { Response.Cache.SetLastModified(DateTime.Now); Response.StatusCode = 200; } FileHelper.Write(@"C:\Users\xishuai\Desktop\test.txt", (index+1).ToString()); ViewBag.Message = "Message：" + index++; return View(); }

你可以看到我们想要做的目的吧，就是手动设置 HTTP 状态码，我们来看下测试结果。

第一次请求：

• Status Code：200
• Last-Modified：Tue, 24 Mar 2015 07:49:07 GMT
• If-Modified-Since：NULL
• test.txt：0
• Message：0

第二次请求：

• Status Code：304
• Last-Modified：NULL
• If-Modified-Since：Tue, 24 Mar 2015 07:49:07 GMT
• test.txt：1
• Message：0

第三次请求：

• Status Code：304
• Last-Modified：NULL
• If-Modified-Since：Tue, 24 Mar 2015 07:49:07 GMT
• test.txt：2
• Message：0

说实话，就差一点和 OutputCache 的效果一样，那差的是什么呢？其实就是 test.txt 里的值，在使用 OutputCache 的时候，这里面的值是不变的，也就是说 About Action 没有被执行，而我们上面测试显示，About Action 是执行的，对于 Message 来说，浏览器显示的是缓存后的值，我们可以得出这样的结论：当使用 OutputCache 的时候，客户端只是向服务器发起一个 Request，仅此而已，这个我们在 Application_BeginRequest 事件中监控到，其余的页面显示完全是客户端缓存的结果，当然，前提方式缓存方式是客户端。

还有一个有意思的地方是，在使用 OutputCache 的时候，除了第一次请求外，其他请求结果中，Last-Modified 和 If-Modified-Since 的值是不变的，根据上面测试的结果，我们可以得出，If-Modified-Since 是 Last-Modified 设置之后的结果，If-Modified-Since 可以一直不变，只要 HTTP 状态码为 304，并且我们没有对 Last-Modified 进行设置。而在使用 OutputCache 的时候，除了 If-Modified-Since 的值一直没变，Last-Modified 的也一直没变，这个有点诡异，应该是把请求和响应头中的值也进行了缓存。

参考资料：

• 影响Cache的几个HTTP头信息
• 有关Last-Modified 与 If-Modified-Since
• HTTP的请求头标签 If-Modified-Since
• Last-Modified Header in MVC

爬虫入门到精通-headers的详细讲解（If-modified-since）

爬虫

5 个月前

本文章属于爬虫入门到精通系统教程第九讲

本文讲解的知识点是headers里面的If-modified-since

直接开始案例把

本次我们要抓取的内容是苹果应用商店里面的所有app 从 iTunes 下载的 App Store

当我第一次打开王者荣耀：在 App Store 上的内容网页的时候，再次刷新的时候，你会看到http状态码返回 304

那么知道了这个http状态码304对我们爬虫有什么用呢？

当我需要每天的爬取苹果应用商店的app的时候，因为苹果app很多，所以每次如果我全部爬取的话，会花费很多的时间，其实我只要抓取有更新的内容就好了。那么http状态码304就派上用场了。

看代码把

import requests

headers = {‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36‘}

url = ‘https://itunes.apple.com/cn/app/%E7%8E%8B%E8%80%85%E8%8D%A3%E8%80%80/id989673964‘

z = requests.get(url,headers=headers)

# 获取上次修改时间
last_modified = z.headers[‘Last-Modified‘]

# 修改headers
headers[‘If-Modified-Since‘] = last_modified

• 方法1

• z1 = requests.get(url,headers=headers)
  print z1.status_code
  # 304
  # 可以看到已经返回状态码304，表示网页没有更新
  

• 方法2

• z2 = requests.head(url,headers=headers)
  if z1.headers[‘Last-Modified‘] == last_modified:
      print u‘网页没有更新‘
  # 这种方法也可以知道网页是否有更新
  

总结

那么假如我要每天爬取苹果应该商店的app，那么我会在第一次请求的时候吧每个网页的上次修改时间存到数据库（也就是If-Modified-Since）

然后在我第二次爬取的时候，我会把上次存到数据库的时间放到headers里面，如果http状态码返回304,则表示网页没有更新，我可以不用再次解析网页，这样会节约大量时间...

最后代码在 kimg1234/pachong