Come determinare lo stato HTTP senza scaricare la pagina completa?

Voglio conoscere lo stato HTTP dei siti Web usando Ubuntu. Ho usato curle wgetcomando a tale scopo. Ma il problema è che questi comandi scaricano la pagina Web completa e quindi cercano l'intestazione e la visualizzano sullo schermo. Per esempio:

$ curl -I trafficinviter.com
HTTP/1.1 200 OK
Date: Mon, 02 Jan 2017 14:13:14 GMT
Server: Apache
X-Pingback: http://trafficinviter.com/xmlrpc.php
Link: <http://trafficinviter.com/>; rel=shortlink
Set-Cookie: wpfront-notification-bar-landingpage=1
Content-Type: text/html; charset=UTF-8

La stessa cosa accade con il Wgetcomando in cui la pagina completa viene scaricata e consuma inutilmente la mia larghezza di banda.

Quello che sto cercando è: come ottenere il codice di stato HTTP senza scaricare alcuna pagina in modo da poter risparmiare il consumo di larghezza di banda. Avevo provato a usare curl ma non sono sicuro che sto scaricando la pagina completa o solo un'intestazione sul mio sistema per ottenere il codice di stato.

command-line wget curl

— Jaffer Wilson
fonte

"Ho provato ad usare il ricciolo ma non sono sicuro che sto scaricando la pagina completa o solo un'intestazione" - L' opzione curl -v( --verbose) è un modo pratico per eseguire il debug di ciò che il ricciolo sta effettivamente inviando e ricevendo.

— Beni Cherniavsky-Paskin,

Temo di effettuare il downvoting perché hai già la soluzione proprio lì nella domanda.

— Lightness Races con Monica

@LightnessRacesinOrbit Non sapevo se la domanda è la mia risposta o meno. Ero qui per avere aiuto per risolvere la mia confusione. Se scopri ancora che la mia domanda è sbagliata .. Accolgo con favore la tua decisione di voto negativo ... grazie

— Jaffer Wilson,

manpages.ubuntu.com/manpages/trusty/en/man1/curl.1.html

— Lightness Races con Monica

"questi comandi scaricano la pagina web completa" - no, non lo fanno

— Smetti di danneggiare Monica il

Risposte:

curl -Irecupera solo le intestazioni HTTP; non scarica l'intera pagina. Da man curl:

-I, --head
      (HTTP/FTP/FILE) Fetch the HTTP-header only! HTTP-servers feature
      the command HEAD which this uses to get nothing but  the  header
      of  a  document. When used on an FTP or FILE file, curl displays
      the file size and last modification time only.

Un'altra opzione è quella di installare lynxe utilizzare lynx -head -dump.

La richiesta HEAD è specificata dal protocollo HTTP 1.1 ( RFC 2616 ):

9.4 HEAD

   The HEAD method is identical to GET except that the server MUST NOT
   return a message-body in the response. The metainformation contained
   in the HTTP headers in response to a HEAD request SHOULD be identical
   to the information sent in response to a GET request. This method can
   be used for obtaining metainformation about the entity implied by the
   request without transferring the entity-body itself. This method is
   often used for testing hypertext links for validity, accessibility,
   and recent modification.

— AlexP
fonte

è possibile (entro i limiti dello standard .. ovviamente è possibile ) per una richiesta HEAD restituire un codice di stato diverso da un GET?

— KutuluMike

@KutuluMike: modificata la risposta per fornire le informazioni richieste. Nelle parole della RFC, DOVREBBE fornire la stessa metainformazione.

— AlexP,

@duskwuff: Quindi una richiesta HEAD DOVREBBE restituire lo stesso 405.

— AlexP

@AlexP Il mio errore. Non importa!

— duskwuff,

Con wget, è necessario utilizzare l' --spideropzione per inviare una richiesta HEAD come curl:

$ wget -S --spider https://google.com
Spider mode enabled. Check if remote file exists.
--2017-01-03 00:08:38--  https://google.com/
Resolving google.com (google.com)... 216.58.197.174
Connecting to google.com (google.com)|216.58.197.174|:443... connected.
HTTP request sent, awaiting response... 
  HTTP/1.1 302 Found
  Cache-Control: private
  Content-Type: text/html; charset=UTF-8
  Location: https://www.google.co.jp/?gfe_rd=cr&ei=...
  Content-Length: 262
  Date: Mon, 02 Jan 2017 15:08:38 GMT
  Alt-Svc: quic=":443"; ma=2592000; v="35,34"
Location: https://www.google.co.jp/?gfe_rd=cr&ei=... [following]
Spider mode enabled. Check if remote file exists.
--2017-01-03 00:08:38--  https://www.google.co.jp/?gfe_rd=cr&ei=...
Resolving www.google.co.jp (www.google.co.jp)... 210.139.253.109, 210.139.253.93, 210.139.253.123, ...
Connecting to www.google.co.jp (www.google.co.jp)|210.139.253.109|:443... connected.
HTTP request sent, awaiting response... 
  HTTP/1.1 200 OK
  Date: Mon, 02 Jan 2017 15:08:38 GMT
  Expires: -1
  Cache-Control: private, max-age=0
  Content-Type: text/html; charset=Shift_JIS
  P3P: CP="This is not a P3P policy! See https://www.google.com/support/accounts/answer/151657?hl=en for more info."
  Server: gws
  X-XSS-Protection: 1; mode=block
  X-Frame-Options: SAMEORIGIN
  Set-Cookie: NID=...; expires=Tue, 04-Jul-2017 15:08:38 GMT; path=/; domain=.google.co.jp; HttpOnly
  Alt-Svc: quic=":443"; ma=2592000; v="35,34"
  Transfer-Encoding: chunked
  Accept-Ranges: none
  Vary: Accept-Encoding
Length: unspecified [text/html]
Remote file exists and could contain further links,
but recursion is disabled -- not retrieving.

— Muru
fonte

Non pensi che il mio amico che wget prenda la pagina completa e poi visualizzi l'intestazione.

— Jaffer Wilson,

@JafferWilson ha letto le ultime righe dell'output.

— Muru,