当前位置:首页 > 文章列表 > 文章 > 软件教程 > curl 使用 multipart 上传并保留响应头

curl 使用 multipart 上传并保留响应头

来源:17golang原创 2026-10-01 18:19:23 0浏览 收藏

如果接口要求文件和普通字段一起提交,curl 应使用 -F/--form 组成 multipart/form-data 请求;如果还要保留服务端返回的状态码、Location、Set-Cookie 或自定义头,关键在于选择 -i 还是 -D。前者把响应头和正文放在同一输出流,后者把响应头单独写入文件。

官方地址:https://curl.se/

要点速览
  • -F "file=@./report.csv" 负责上传文件,普通表单值也可以使用另一个 -F。
  • -i 适合人工查看完整响应,-D 配合 -o 更适合脚本和留档。
  • 不要手写 multipart 的 boundary;重定向、认证头和敏感 Cookie 要单独判断信任边界。

先把文件字段和普通字段分开

假设接口约定文件字段名为 file,还接收一个文本字段 scene。文件项的 @ 表示从本地读取内容,;type= 可以为文件声明更合适的媒体类型。不要把本机真实目录、令牌或私人域名直接放进文章命令。

# 用 -F 生成 multipart/form-data,同时提交文件和普通字段
curl --request POST \
  --url https://api.example.test/upload \
  --form "file=@./report.csv;type=text/csv" \
  --form "scene=monthly" \
  --header "Authorization: Bearer YOUR_TOKEN"

每一个 --form 都对应一个 multipart part。接口若把字段名写成 upload,就必须把 file= 改成 upload=;这比盲目追加请求头更重要。通常不需要手写 Content-Type: multipart/form-data,让 curl 自动生成 boundary,手写错误的 boundary 反而会导致服务端无法解析。

curl multipart 上传说明图,展示文件字段、普通字段与请求结构的对应关系
图1:multipart 上传操作示意图,展示文件字段、普通字段和请求配置的对应关系;这是原创说明图,不是实际软件截图。

用 -i 在同一输出中保留响应头

调试接口或人工核对返回值时,可以加 --show-headers(短参数 -i)。它会把 HTTP 状态行和响应头放在正文前面,适合一次性查看“服务端返回了什么”。

# -i 把响应头和正文放到同一标准输出,便于人工对照
curl --request POST \
  --url https://api.example.test/upload \
  --form "file=@./report.csv;type=text/csv" \
  --form "scene=monthly" \
  --show-headers

看到 HTTP/1.1 201 或实际接口约定的成功状态后,再检查 Location、Content-Type 和正文中的任务编号。-i 不是查看请求头的参数;如果要看发送出去的请求细节,应使用 --verbose,但其中可能包含认证信息,复制日志前要先脱敏。

脚本处理时改用 -D 和 -o 分离文件

混合输出对人友好,却不适合直接交给 JSON 解析器。要让脚本分别读取响应头和正文,可使用 --dump-header(短参数 -D)与 --output(短参数 -o)。

# -D 保存响应头,-o 保存正文,避免把 HTTP 头传给 JSON 解析器
curl --request POST \
  --url https://api.example.test/upload \
  --form "file=@./report.csv;type=text/csv" \
  --form "scene=monthly" \
  --dump-header response-headers.txt \
  --output response-body.json

# 只读取本次响应的状态行和关键头,正文仍保留原始 JSON
sed -n '1,12p' response-headers.txt

response-headers.txt 是头部留档,response-body.json 才是接口正文。若服务端发生多次重定向,头文件可能包含多组响应头,因此脚本应按状态行分段,而不是假定第一组就是最终响应。

curl 响应保留说明图,展示状态码、响应头文件与正文文件分离后的核对状态
图2:响应结果示意图,展示状态码、响应头文件和正文文件分离后的核对位置;这是原创说明图,不是运行证据。

重定向、认证和失败状态要单独检查

接口返回 3xx 时,是否跟随跳转不是默认的上传逻辑。确认跳转地址仍属于可信服务后,再考虑 --location;不要为了“让请求成功”直接把认证头和 Cookie 无条件带到未知主机。更稳妥的做法是记录最终 URL、状态码和响应头,再判断是否需要重新构造请求。

在自动化脚本里,可以把错误输出与返回码也留住,但不要把返回码当成业务成功的唯一条件:HTTP 状态码、响应正文里的业务码、响应头中的任务位置都应按接口约定核对。上传接口若要求幂等键或分片协议,单纯增加 -F 并不能替代它。

常见问题

为什么上传接口提示不是 multipart?

优先检查是否真的使用了 -F,以及字段名和文件路径是否正确。不要手写一个与 curl 实际边界不一致的 Content-Type。

-i 和 -D 应该怎么选?

人工查看选 -i;需要把响应交给脚本、保存正文或比较多次结果时,用 -D 配合 -o。

响应头里为什么会出现多组状态行?

常见原因是重定向或代理返回了中间响应。脚本应识别每一组状态行,确认最终响应,而不是只取文件第一行。

记住这个最小决策:先用 -F 正确组成表单;调试时用 -i 看完整返回;自动化时用 -D 和 -o 分离头体;涉及跳转和认证时,再按信任边界决定是否继续。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
暗色学院派秋夜图书馆手机壁纸提示词与暖光层次暗色学院派秋夜图书馆手机壁纸提示词与暖光层次
上一篇
暗色学院派秋夜图书馆手机壁纸提示词与暖光层次
特效变音魔术师怎么录制钢琴音效?菜单入口、试听与保存说明
下一篇
特效变音魔术师怎么录制钢琴音效?菜单入口、试听与保存说明
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    288次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    340次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    342次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    306次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    130次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码