Java 如何为特定类型的文件/响应筛选URL？

我有一个网页，上面有指向可下载文件的链接。例如：

但它也可以有如下导航链接：

---

如何确定URL是否指向第一个链接中的文件？或者反过来，过滤掉不合适的URL？

继续你编辑的问题：如果你想过滤掉文件

筛选内容类型标题

您可以检查响应头以确定响应是否符合，例如符合应用程序/pdf，但您不能仅从URL/URI本身进行此确定

事实上，我可以构建一个响应URL的web应用程序http://myapp.com/test.pdf 标题内容类型：图像/jpeg和JPG的数据

此外，我还可以发送一个标题内容类型：image/jpeg和PDF格式的数据

假设它不是我上面提到的故意破坏的，那么你可以信赖这个响应

---

请注意，如果内容本身偏离内容类型标题，则可能会发生漏洞攻击。这就是iPhone越狱的方式：通过处理格式错误的PDF数据。

继续你编辑的问题：如果你想过滤掉文件

筛选内容类型标题

您可以检查响应头以确定响应是否符合，例如符合应用程序/pdf，但您不能仅从URL/URI本身进行此确定

事实上，我可以构建一个响应URL的web应用程序http://myapp.com/test.pdf 标题内容类型：图像/jpeg和JPG的数据

此外，我还可以发送一个标题内容类型：image/jpeg和PDF格式的数据

假设它不是我上面提到的故意破坏的，那么你可以信赖这个响应

---

请注意，如果内容本身偏离内容类型标题，则可能会发生漏洞攻击。这就是iPhone越狱的方式：通过处理格式错误的PDF数据。

查找类似参数的文件名

任何URL都可以在请求时用文件响应

---

在您请求URL之前，您无法知道URL将响应什么。

查找类似参数的文件名

任何URL都可以在请求时用文件响应

---

在您请求URL之前，您无法知道URL将响应什么。

在HTTP中，URL永远不会指向文件；它们标识资源，当您取消引用该URL（即发出get请求）时，您将获得该资源的表示

用户代理是否选择将该表示存储为文件是其自己的选择。如何处理表示取决于内容类型

您可以使用HEAD请求获取内容类型。PDF文档应该使用application/PDF，但还有许多其他类型。默认情况下，大多数浏览器倾向于将应用程序/八位字节流保存为文件。内容类型协商也有一些微妙之处

在Java中，您可以使用以下内容发出HEAD请求：

HttpURLConnection connection = (HttpURLConnection) url.openConnection();
connection.setRequestMethod("HEAD");
// Check connection.getContentType();

---

在HTTP中，URL永远不会指向文件；它们标识资源，当您取消引用该URL（即发出get请求）时，您将获得该资源的表示

用户代理是否选择将该表示存储为文件是其自己的选择。如何处理表示取决于内容类型

您可以使用HEAD请求获取内容类型。PDF文档应该使用application/PDF，但还有许多其他类型。默认情况下，大多数浏览器倾向于将应用程序/八位字节流保存为文件。内容类型协商也有一些微妙之处

在Java中，您可以使用以下内容发出HEAD请求：

HttpURLConnection connection = (HttpURLConnection) url.openConnection();
connection.setRequestMethod("HEAD");
// Check connection.getContentType();

---

它不总是以文件响应吗？HTML页面也是一个文件，我感觉答案会朝这个方向发展。让我重新表述一下。我怎样才能下载PDF，TXT，DOC。。。过滤掉PHP、HTML和ASP？@Hashmush不，它可以用动态构造的字节流、数据库中的数据或任何东西来响应。@DaveNewton是的，但也可以解释为文件。浏览器/客户端不知道它是动态生成的。@哈希正确，它不-它不响应文件，它响应字节流。这些字节可能来自一个文件，也可能看起来像一个文件。但是不，它没有任何特定于文件的内容，它也不总是以文件响应，这就是您所说的：它不总是以文件响应吗？HTML页面也是一个文件，我感觉答案会朝这个方向发展。让我重新表述一下。我怎样才能下载PDF，TXT，DOC。。。过滤掉PHP、HTML和ASP？@Hashmush不，它可以用动态构造的字节流、数据库中的数据或任何东西来响应。@DaveNewton是的，但也可以解释为文件。浏览器/客户端不知道它是动态的

---

---

“逻辑生成”。@Hashmush正确，它不-它不响应文件，它响应字节流。这些字节可能来自一个文件，也可能看起来像一个文件。但是没有，它没有特定于文件的内容，而且它也不总是以文件响应，这就是您所说的：谢谢您的编辑。问题已更新。是的，问题应该是关于下载文件和过滤网页。内容类型是最好的选择吗？从你所说的来看，它似乎可以被操纵。此外，如果主机支持，我可以检查文件大小，并在下载后运行魔法字节检查。您认为呢？漏洞利用与错误的内容类型没有多大关系，而是与该内容类型的处理程序的漏洞有关。此外，您不能信任.php URL返回文本/html内容。如果脚本处理图像输出（如页面上的JS图形），它可能会返回image/jpeg。类似地，URL或链接http://mysite.com/dough/ 可能返回文本/html内容类型。即使我们重定向或解析到另一个URL，如http://mysite.com/dough/index.asp@NewAlexandria，实际上情况正好相反，如果您担心攻击，您应该避免内容嗅探，并仅根据内容类型将响应发送给处理程序，请参见示例。感谢您的编辑。问题已更新。是的，问题应该是关于下载文件和过滤网页。内容类型是最好的选择吗？从你所说的来看，它似乎可以被操纵。此外，如果主机支持，我可以检查文件大小，并在下载后运行魔法字节检查。您认为呢？漏洞利用与错误的内容类型没有多大关系，而是与该内容类型的处理程序的漏洞有关。此外，您不能信任.php URL返回文本/html内容。如果脚本处理图像输出（如页面上的JS图形），它可能会返回image/jpeg。类似地，URL或链接http://mysite.com/dough/ 可能返回文本/html内容类型。即使我们重定向或解析到另一个URL，如http://mysite.com/dough/index.asp@NewAlexandria，实际上情况正好相反，如果您担心攻击，您应该避免内容嗅探，并仅根据内容类型将响应发送给处理程序，请参见示例。@NewAlexandria接受了您的编辑。一切都很好。我有一些代码可以下载，并将合并过滤文件的建议：太好了。如果你能给我们中至少一个正确的解决方案，那就好了。谢谢你的回复。@NewAlexandria接受了你的编辑。一切都很好。我有一些代码可以下载，并将合并过滤文件的建议：太好了。如果你能给我们中至少一个正确的解决方案，那就好了。谢谢你的回复。