【apache+cgi+python】cgi接口浅析

虽然现在开发web用的都是一些成熟的框架, 使我们可以不用关心底层的接口逻辑, 但是多了解一些底层的知识对我们也是有帮助的。

虽然在效率上cgi接口远不如其它几个接口, 但是它足够简单, 非常适合新手入门。

本文使用python,curl, 在ubuntu + apache环境下为大家展示cgi接口的基本原理。

本人小菜一枚, 文中错误在所难免, 希望大家能够不吝赐教。

首先、配置apache、htaccess

网站根目录为/var/www, 我们放试验脚本的目录为/var/www/python-cgi。

apache的配置

$ gedit /etc/apache2/sites-available/default

<VirtualHost *:80>
    DocumentRoot /var/www
    <Directory "/var/www/python-cgi/">
        Options +ExecCGI +FollowSymLinks
        AllowOverride All
        Order allow,deny
        Allow from all
    </Directory>
</VirtualHost>

在/var/www/python-cgi目录下放个.htaccess文件,内容为

AddHandler cgi-script .py
DirectoryIndex py-cgi-index.py
AddType text/html .py
<IfModule mod_rewrite.c>
    RewriteEngine on
    RewriteCond %{REQUEST_FILENAME} !-f
    RewriteCond %{REQUEST_FILENAME} !-d
    RewriteRule ^(.*)$ py-cgi-index.py/$1 [L]
</IfModule>

在/var/www/python-cgi目录下放个py-cgi-index.py文件, 然后添加可执行权限。

$ chmod a+x py-cgi-index.py

环境配置就完成了。

一、cgi的hello world

cgi的通信依靠stdout与浏览器通信。 所以简单地在py-cgi-index.py里面写:

#!/usr/bin/env python
print 'hello world'

这样写是不对的。 cgi接口规定,cgi脚本输出的开头应该是http header。 而hello world这种字符无法被识别为任何有效的http header, 所以如果访问http://localhost/python-cgi,会返回500错误。

解决办法有两个:

1、写上http header。 header与body之间必须有一个空行,以识别前面的是header,后面的是body。 代码改成:

#!/usr/bin/env python
print 'Content-Type: text/html\n\nhello world'

2、空白http header。 不写http header的情况下,apache会自动补上header。 代码改成:

#!/usr/bin/env python
print '\nhello world'

关于header,我还要再说一个问题。 cgi脚本的stdout首先要交给apache, apache会对stdout进行一些处理。 如果使用curl -i查看返回的http header, 会发现,header部分被补全了:

HTTP/1.1 200 OK
Date: Sun, 06 Jan 2013 02:49:21 GMT
Server: Apache/2.2.22 (Ubuntu)
Vary: Accept-Encoding
Content-Length: 20
Content-Type: text/html

二、服务器参数

在php中,有一个重要的全局变量叫$_SERVER,它包含了服务器的一些参数。 那么在我们的cgi脚本中,如何获得这些参数呢? 答案是环境变量。 代码改成:

#!/usr/bin/env python
import os
print 'Content-Type: text/html\n\n'
for i in os.environ:
    print '%s => %s'%(i,os.environ[i])

就可以看到,os.environ中有我们需要的很多参数, 包括:

REDIRECT_QUERY_STRING
REDIRECT_STATUS
SERVER_SOFTWARE
SCRIPT_NAME
SERVER_SIGNATURE
REQUEST_METHOD
PATH_INFO
REDIRECT_URL
SERVER_PROTOCOL
QUERY_STRING
PATH
HTTP_USER_AGENT
SERVER_NAME
REMOTE_ADDR
PATH_TRANSLATED
SERVER_PORT
SERVER_ADDR
DOCUMENT_ROOT
SCRIPT_FILENAME
SERVER_ADMIN
HTTP_HOST
REQUEST_URI
HTTP_ACCEPT
GATEWAY_INTERFACE
REMOTE_PORT

三、get参数

最常用的向服务器提交参数的方法就是get。 我们这里用curl来模拟:

$ curl -i http://localhost/python-cgi/xxx?aaa=bbb\&ccc=ddd

然后可以看到:

os.environ['QUERY_STRING']变成了aaa=bbb&ccc=ddd

这个就是get参数。 不过, 在这里, 我们需要手工地按照'&'来切分各个query段。

四、post参数

除了get以外, 用户名、密码、文件上传等通常都是使用post来提交。 那么cgi脚本中如何获得post的数据呢? 答案是stdin。 代码改成:

#!/usr/bin/env python
print 'Content-Type: text/html\n\n'
while True:
    i = raw_input()
    if i is None:
        break
    print i

1、简单的post参数:

$ curl -i --data "ggg=hhh" --data "iii=jjj" http://localhost/python-cgi/xxx?aaa=bbb\&ccc=ddd\&eee=fff

它会输出:

ggg=hhh&iii=jjj

之后我们需要手动地按照&分隔各个段。

2、文件上传:

$ curl -i --form upload=@filepath --form name=elephant http://localhost/python-cgi/xxx?aaa=bbb\&ccc=ddd\&eee=fff

它会输出:

------------------------------11c41e187464
Content-Disposition: form-data; name="upload"; filename="filepath"
Content-Type: application/octet-stream

中间的是文件内容

------------------------------11c41e187464
Content-Disposition: form-data; name="name"

elephant
------------------------------11c41e187464--

并且此时,os.environ中有一个重要的值:

CONTENT_TYPE => multipart/form-data; boundary=----------------------------11c41e187464

boundary后面的是分隔线。 之后需要人为地按照这个分隔线来区分各个段的内容, 并且还要解析Content-Disposition的内容。

五、日志输出

apache有日志功能,我们的cgi脚本能输出到apache的日志中? 答案是肯定的,方法是stderr。 代码改成:

#!/usr/bin/env python
import os
print 'Content-Type: text/html\n\nHello world'
os.stderr.write('this is log')

在访问之后, 就可以去apache的日志中找输出的内容了。

六、总结

cgi的接口如此的简单, 使用的仅仅是stdin、stdout、stderr、环境变量四个最常用的进程间交换数据的方式。 而且几乎所有语言都能够处理这四项内容。 剩下的事情,

有空也用c语言写一个吧。

全文完。

目录啦啦啦