Requests库重定向请求中的Authorization头丢失问题解析
2025-04-30 06:43:37作者:廉皓灿Ida
在Python的Requests库使用过程中,开发者可能会遇到一个看似异常的现象:当HTTP请求被服务器返回307状态码触发重定向时,后续的重定向请求中Authorization头部信息会丢失。本文将深入分析这一现象背后的设计原理和最佳实践。
现象重现
当使用Requests库发送带有认证信息的PUT请求时:
response = requests.put(
url,
headers=headers,
data=json_data,
auth=auth_object,
hooks={"response": print_request_info}
)
如果服务器返回307临时重定向状态码,可以观察到:
- 初始请求的headers中包含完整的Authorization字段
- 重定向后的请求headers中Authorization字段消失
设计原理
这不是一个缺陷,而是Requests库的安全设计特性。其核心考虑包括:
- 安全防护机制:防止认证凭据被意外发送到非预期的目标服务器
- 隐私保护:避免敏感信息在重定向过程中泄露
- 符合RFC标准:HTTP规范建议客户端在重定向时谨慎处理认证信息
技术背景
当遇到以下重定向状态码时,Requests会特别处理认证头:
- 301 Moved Permanently
- 302 Found
- 303 See Other
- 307 Temporary Redirect
- 308 Permanent Redirect
库内部会检查重定向目标是否与原始请求同源(相同协议、主机和端口),如果不同源则会移除认证头。
解决方案
开发者可以采取以下方式处理此问题:
- 修正目标URL:确保请求直接发送到正确的终结点,避免重定向
- 手动处理重定向:
session = requests.Session()
response = session.put(initial_url, auth=auth)
if response.status_code == 307:
redirect_url = response.headers['Location']
session.put(redirect_url, auth=auth)
- 使用会话对象:通过Session对象保持认证状态
最佳实践建议
- 在开发阶段使用hooks或调试工具监控请求流程
- 对于需要跨域认证的场景,考虑使用OAuth等更安全的认证方案
- 仔细检查API文档,确认是否需要处理重定向逻辑
- 在测试环境充分验证认证流程
深入理解
这种行为实际上体现了Requests库"安全优于便利"的设计哲学。类似的保护机制还包括:
- 自动从历史响应中移除Set-Cookie头
- 对HTTPS请求的严格证书验证
- 连接复用时的安全隔离
理解这一机制有助于开发者构建更安全的HTTP客户端应用,避免潜在的安全风险。当确实需要在重定向过程中保留认证信息时,应当充分评估目标服务器的可信度,并考虑实现自定义的认证处理器。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Error Correction Coding——mathematical methods and algorithms:深入理解纠错编码的数学精髓 HP DL380 Gen9iLO固件资源下载:提升服务器管理效率的利器 RTD2270CLW/RTD2280DLW VGA转LVDS原理图下载介绍:项目核心功能与场景 JADE软件下载介绍:专业的XRD数据分析工具 常见材料性能参数pdf下载说明:一键获取材料性能参数,助力工程设计与分析 SVPWM的原理及法则推导和控制算法详解第四修改版:让电机控制更高效 Oracle Instant Client for Microsoft Windows x64 10.2.0.5下载资源:高效访问Oracle数据库的利器 鼎捷软件tiptop5.3技术手册:快速掌握4gl语言的利器 源享科技资料大合集介绍:科技学习者的全面资源库 潘通色标薄全系列资源下载说明:设计师的创意助手
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.72 K
Ascend Extension for PyTorch
Python
328
387
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
876
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
161
暂无简介
Dart
762
187
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
745
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
136