bug: 部分资源下载提示 400 错误

[wuziqian211]

提交前的检查

• 我已阅读 README 中的常见问题
• 我已尝试重新获取并设置最新的 Access Token（Token 有效期一般为 7 天）
• 我搜索过已有的 Issue，没有找到相同的问题

操作系统版本与架构

Unknown

程序版本

v4.0

获取方式

GitHub Releases 下载的可执行文件

是否设置了 Access Token

不清楚

问题描述

来自视频评论：

大佬，我看了你的视频网页链接，在GIT上下载了最新的4.0工具，但是下载小学体育华中师大版的时候，提示服务器返回错误400，只能正常下载三年级的，后来换了个电脑又下载成功一年级的，但是教师用书还是不行，应该怎么解决呢？

复现步骤

Unknown

错误信息与截图

补充说明

No response

[iamzhz]

您好～
我测试了一下，可惜我没遇到 400 Bad Request 的错误，

但另外在我这里遇到了文件名太长导致不能读写的问题. （我手动重命名后可以正常下载）

OSError: [Errno 36] File name too long: 
'/home/iamzhz/code/tchMaterial-parser/（根据2022年版课程标准修订）义务教育教科书•体育与健康教师用书  基本运动技能（全一册） - （根据2022年版课程标准修订）义务教育教科书•体育与健康教师用书  基本运动技能（全一册）.pdf.tmp'

操作系统/文件系统对文件名的限制，比如：

• Windows： 260 个字符(https://learn.microsoft.com/zh-cn/windows/win32/fileio/maximum-file-path-limitation)
• Linux:
  _POSIX_NAME_MAX 14 个字节
  _XOPEN_NAME_MAX 255 个字节
  (https://www.man7.org/linux/man-pages/man0/limits.h.0p.html)

而 （根据2022年版课程标准修订）义务教育教科书•体育与健康教师用书 基本运动技能（全一册） - （根据2022年版课程标准修订）义务教育教科书•体育与健康教师用书 基本运动技能（全一册）.pdf.tmp 在 UTF-8 编码下占 263 个字节，刚刚超过了这个限制.

把（根据2022年版课程标准修订）义务教育教科书•这种内容删除或简化是不是解决这个问题的一个可行方案呢？

谢谢

[happycola233]

进一步排查后，确认目前程序在部分私有资源的鉴权处理上存在问题，正在修复。

使用程序默认的匿名认证（Bearer 0）测试时，华中师大版小学体育共有 6 个资源返回 HTTP 400：

1. 二年级学生用书
2. 教师用书：足球
3. 教师用书：篮球
4. 教师用书：排球
5. 教师用书：田径类运动
6. 教师用书：中华传统体育类运动

同批测试中，一年级、三年级以及基本运动技能、体能、羽毛球、乒乓球、体操、游泳、新兴体育类运动均能正常返回 200。

进一步对比智慧教育平台官网的网络请求后发现：

• 官网访问私有文件时，会在 URL 中附加真实的 accessToken，同时使用完整的鉴权信息。
• 当前程序即使设置了 Token，也只是修改 Authorization 和 X-ND-AUTH 请求头，没有向 private CDN 的 URL 附加 accessToken。
• 因此部分权限较严格的资源会返回 400 InvalidArgument，容易被误认为文件或服务器损坏。
• 使用官网的鉴权方式重新测试后，上述 6 个资源均能正常返回 200，说明资源文件和原始链接本身没有损坏。

目前正在处理以下修复：

• 设置 Token 后，以安全方式向 private CDN 请求附加 accessToken；
• 保留未设置 Token 时原有的匿名访问行为；
• 支持 R1、R2、R3 下载镜像自动重试；
• 改进 400、401、403 等鉴权错误提示；
• 避免 Token 出现在下载状态、日志和错误信息中。

[happycola233]

@iamzhz 感谢反馈和详细排查！🙏

您提到的文件名过长问题确实存在，和这个 Issue 中的 400 Bad Request 属于两个独立的问题。

部分专题资源的父标题和内部资源标题实际上完全相同，但程序之前仍会按照 父标题 - 子标题 的方式进行拼接，再加上下载时使用的 .pdf.tmp 后缀，就有可能超过文件系统的文件名长度限制。

这个问题已经在 #80 中修复并合并了。现在程序会先规范化空白后比较父标题和子标题，如果两者相同，就只保留一份标题，不再重复拼接。另外也顺便处理了不同版别的同名资源在批量下载时可能产生的文件名冲突。

再次感谢您提供这么详细的排查结果和解决思路，确实帮忙定位到了这个边界情况！❤️