Martian 项目使用教程
1. 项目介绍
Martian 是一个用于构建自定义 HTTP/S 代理的库。它由 Google 开发并开源,旨在帮助开发者轻松创建和管理 HTTP/S 代理。Martian 提供了丰富的功能,包括请求和响应的修改、验证、日志记录等,适用于多种测试和开发场景。
2. 项目快速启动
安装
首先,确保你已经安装了 Go 1.11 或更高版本,并且启用了 Go Modules 支持。然后,使用以下命令安装 Martian:
go get github.com/google/martian/
go install github.com/google/martian/cmd/proxy
启动代理
安装完成后,可以通过以下命令启动 Martian 代理:
$GOPATH/bin/proxy
默认情况下,Martian 代理会在端口 8080 上运行,API 会在端口 8181 上运行。你可以通过以下命令指定不同的端口:
$GOPATH/bin/proxy -addr=:9999 -api-addr=:9898
配置
Martian 通过发送 JSON 消息来配置其行为。以下是一个简单的配置示例,用于在所有响应中注入一个名为 "Test-Header" 的头部,值为 "true":
[
"header.Modifier": [
"scope": ["response"],
"name": "Test-Header",
"value": "true"
]
]
将上述配置保存为 modifier.json,然后使用 curl 命令将其发送到 Martian 代理:
curl -x localhost:8080 \
-X POST \
-H "Content-Type: application/json" \
-d @modifier.json \
"http://martian.proxy/configure"
3. 应用案例和最佳实践
验证请求和响应
Martian 可以用于验证请求和响应的特定条件。例如,你可以配置 Martian 来验证所有发送到 example.com 的请求是否返回了 200 OK 状态码:
[
"url.Filter": [
"scope": ["request", "response"],
"host": "example.com",
"modifier": [
"status.Verifier": [
"scope": ["response"],
"statusCode": 200
]
]
]
]
拦截 HTTPS 请求
Martian 支持拦截和修改 HTTPS 请求和响应。为了实现这一点,你需要在浏览器中安装 Martian 生成的自定义 CA 证书。你可以通过以下命令生成并安装证书:
$GOPATH/bin/proxy -generate-ca-cert
然后,访问 http://martian.proxy/authority.cer 来安装证书。
4. 典型生态项目
1. Go 语言生态
Martian 是基于 Go 语言开发的,因此它与 Go 生态系统中的其他工具和库有很好的兼容性。例如,你可以将 Martian 与 Go 的测试框架结合使用,以自动化测试 HTTP 请求和响应。
2. 网络测试工具
Martian 可以与其他网络测试工具(如 curl、Postman 等)结合使用,以模拟复杂的网络环境。你可以使用 Martian 来修改请求和响应,以测试应用程序在不同网络条件下的表现。
3. 安全测试
Martian 还可以用于安全测试,例如模拟中间人攻击(MITM)来测试应用程序的安全性。通过拦截和修改 HTTPS 请求,你可以验证应用程序是否能够正确处理异常情况。
通过以上模块的介绍,你应该能够快速上手并使用 Martian 项目。希望这篇教程对你有所帮助!
kernelopenEuler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。C0131
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。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
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00