Save The Web Project ·

STWP 2025 第 26 周周报

💡 原文中文，约1000字，阅读约需3分钟。

📝

内容提要

STWP 2025 第 26 周周报提到 Zeno 项目的进展，包括存档 PR 更新和非 UTF-8 HTML 解析工作。修复了 gowarc 在 HTTP TCP 连接异常关闭时的处理问题，确保流式响应正确写入 WARC 存档。同时解决了 Conn.SetReadDeadline() 无效和临时文件泄漏的问题。

🎯

关键要点

Zeno 项目的存档 PR 更新正在进行中，测试可以存档知乎专栏。
正在进行非 UTF-8 HTML 解析的 PR 更新。
修复了 gowarc 在 HTTP TCP 连接异常关闭时的处理问题，确保流式响应正确写入 WARC 存档。
解决了 Conn.SetReadDeadline() 无效和临时文件泄漏的问题。

🔎

延伸解读

Zeno 项目的重要性

Zeno 项目致力于提升网络存档的质量和可靠性，尤其是在处理非 UTF-8 HTML 内容时的能力。这对于存档多语言网站和内容丰富的平台（如知乎）尤为重要，能够确保更全面的网络历史记录。

gowarc 的修复与影响

gowarc 的修复解决了 HTTP TCP 连接异常关闭时的处理问题，确保流式响应能够正确写入 WARC 存档。这一改进减少了数据丢失的风险，提升了存档的完整性，尤其是在网络环境不稳定的情况下。

技术挑战与解决方案

在处理流式响应时，早期 EOF 的问题可能导致错误的存档记录。通过修复 Conn 的关闭机制，项目团队有效地解决了这一技术挑战，显示了在网络存档领域中对细节的重视和技术的不断进步。

❓

延伸问答

Zeno 项目的存档 PR 更新有哪些进展？

Zeno 项目的存档 PR 更新正在进行中，目前测试可以存档知乎专栏。

非 UTF-8 HTML 解析的 PR 更新目前处于什么状态？

非 UTF-8 HTML 解析的 PR 更新仍在进行中，处于 WIP 状态。

gowarc 修复了哪些问题？

gowarc 修复了在 HTTP TCP 连接异常关闭时的处理问题，确保流式响应正确写入 WARC 存档。

Conn.SetReadDeadline() 的问题是什么？

Conn.SetReadDeadline() 无效的问题已被解决。

临时文件泄漏的问题是如何解决的？

临时文件泄漏的问题已经被修复，确保资源管理更加有效。

Zeno 项目中流式响应的处理有什么特别之处？

流式响应在没有 Content-Length 头的情况下，可能被错误地写入 WARC 存档，修复了这一问题。

🏷️