Linux C Socket 編程：recv 接收不完整、部分網站返回 404 的原因與解決

問題一：recv 返回 1400 字節，網頁源碼不全

原因：TCP 是流式協議，**單次 `recv` 不保證接收完整應用層數據**。1400 約為 MTU（1500）減去 IP/TCP 頭部後的單包載荷，大數據需多次接收。

正確接收循環

char buf[20000] = {0};
int total = 0, n;
while ((n = recv(so, buf + total, sizeof(buf) - total - 1, 0)) > 0) {
    total += n;
    // 可選：解析 HTTP 頭部 Content-Length 或 Chunked 判斷結束
    // 簡易版：連接關閉時 recv 返回 0 退出
}
buf[total] = '\0';
printf("Received %d bytes:\n%s", total, buf);

進階：解析 HTTP 響應長度

• **Content-Length**：讀取頭部，按指定長度讀取 Body。
• **Transfer-Encoding: chunked**：按塊大小循環讀取，遇 0 塊結束。
• **Connection: close**：服務端關閉連接標誌結束（HTTP/1.0 預設）。

問題二：換成 `www.stateair.net` 返回 404，瀏覽器卻能打開

原因：

1. Host 頭缺失或錯誤：虛擬主機環境下，服務器根據 `Host` 頭路由請求。原代碼 `Host:www.csdn.net` 硬編碼，換網站需同步修改。
2. User-Agent 缺失：部分站點拒絕無 UA 的請求。
3. 重定向/HTTPS：目標站可能強制 HTTPS（443 端口）或返回 301/302 重定向，原代碼不處理。
4. Cookie/Referer 等頭部：某些 API 需要完整頭部模擬瀏覽器。

修正請求示例

char request[] =
    "GET / HTTP/1.1\r\n"
    "Host: www.stateair.net\r\n"
    "User-Agent: Mozilla/5.0 (compatible; MyBot/1.0)\r\n"
    "Accept: */*\r\n"
    "Connection: close\r\n"
    "\r\n";
send(so, request, strlen(request), 0);

建議工具

• `wireshark` / `tcpdump` 抓包對比瀏覽器與程序請求差異。
• `curl -v https://www.stateair.net` 查看完整交互細節。

總結

1. `recv` **必須循環調用**，直到邏輯判斷數據接收完畢。
2. HTTP 請求**頭部要完整**（Host、UA、Accept 等），並支持重定向、HTTPS、Chunked 等機制。
3. 抓包分析是排查網絡協議問題的**核心手段**。