加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 大数据 > 正文

Perl-LWP文档

发布时间:2020-12-15 23:58:40 所属栏目:大数据 来源:网络整理
导读:原文:http://www.perl.com/pub/a/2002/08/20/perlandlwp.html? 版权信息有点多,其它的我写在最后。? 我觉得这个Perl的LWP文档挺不错的,所以就转过来,方便随时查阅,呵呵。? 下面是转载内容:? ********************************************************
原文:http://www.perl.com/pub/a/2002/08/20/perlandlwp.html?
版权信息有点多,其它的我写在最后。?
我觉得这个Perl的LWP文档挺不错的,所以就转过来,方便随时查阅,呵呵。?
下面是转载内容:?

************************************************************************************The Fuck Cutline************************************************************************************?
LWP 与 WEB 的基本使用?
简介?
LWP (“Library for WWW in Perl” 的缩写) 是一个由多个模块组成,用来获取网络数据的的模块组。 和很多 Perl 的模块一样。每一个 LWP 模块都自带详细的文档,做为对这个模块的完整介绍。可是面对 LWP 里的众多模块,有时候即使是完成最简单的工作,新手们也常常不知道从那里开始。要对 LWP 做全面的介绍需要一整本书,很幸运,Perl & LWP 已经出版。而这篇文章向你介绍了最常见的 LWP 用法。?
使用 LWP::Simple 获取网页?
如果只是要拿到某个网页,那使用 LWP::Simple 里的函数是最简单的。通过调用 get($url) 函数,就可以得到相关网址的内容。如果没有发生错误,get 函数返回此网页,否则,返回 undef。例子如下:?
my $url = 'http://freshair.npr.org/dayFA.cfm?todayDate=current'?
? use LWP::Simple;?
? my $content = get $url;?
? die "Couldn't get $url" unless defined $content;?
? #? $content 里是网页内容,下面是对此内容作些分析:?
? if($content =~ m/jazz/i) {?
??? print "They're talking about jazz today on Fresh Air!n";?
? } else {?
??? print "Fresh Air is apparently jazzless today.n";?
? }?
如果要在命令行里运行,getprint 函数非常方便。如果没有发生错误,它会把网页内容输出到 STDOUT,否则将会有错误信息输出到 STDERR。 例如:?
% perl -MLWP::Simple -e "getprint 'http://cpan.org/RECENT'"?
上面的网址指向一个文本文件,列有最近两个星期内 CPAN 更新过的文件。如果想要知道 Acme:: 的模块是否有更新,有就email 自己,你可以把它和 Shell 结合到一起来实现。如下:?
% perl -MLWP::Simple -e "getprint 'http://cpan.org/RECENT'"??
???? | grep "/by-module/Acme" | mail -s "New Acme modules! Joy!" $USER?
LWP::Simple 还有一些非常有用的函数,包括一个运行HEAD请求的函数,用来检查链接是否有效,网页是否更新。另外两个用来保存和镜像网址的函数也值得一提。具体请看 LWP::Simple 的文档或 Perl & LWP 的第二章.?
LWP Class 模型基础?
LWP::Simple 在做简单的工作时很方便。但因为不支持 cookies,用户认证,对 HTTP request header (请求标头)的编辑,和 HTTP resonse header(响应标头)的读写(主要是 HTTP 的 error message)。因此,当需要这些特性的时候,就要使用 LWP Class 模型。在众多的 LWP Class 里,LWP::UserAgent 和 HTTP::Response 是必须理解的。LWP::UserAgent 就像一个虚拟浏览器用来作 request (请求)。HTTP::Response 用来储存 request (请求) 生成的 response(响应)。?
最基本的用法是 $response = $browser->get($url),或写的更完整些 :?
# 程序开始:?
? use LWP 5.64; # 载入较新版本的 LWP classes?
? my $browser = LWP::UserAgent->new;?
? ...?
? # get request:?
? my $url = 'http://freshair.npr.org/dayFA.cfm?todayDate=current';?
? my $response = $browser->get( $url );?
? die "Can't get $url -- ",$response->status_line?
?? unless $response->is_success;?
? die "Hey,我想要 HTML 格式而不是 ",$response->content_type?
?? unless $response->content_type eq 'text/html';?
???? # 或者任何其他的 content-type?
? # 成功的话就对内容处理?
? if($response->content =~ m/jazz/i) {?
??? print "Fresh Air 今天在讨论爵士乐!n";?
??? print "Fresh Air 今天讨论的和爵士乐一点边都不沾.n";?
上面有两个相关的 object: $browser,是 LWP::UserAgent 的一个object。$response 是属于 HTTP::Response 类的一个object。一个程序里只需要一个 $browser object,但是每次发出一个 request,就会得到一个新的 HTTP::Response object。HTTP::Response object 有以下一些有价值的属性:?
??? 一个 status code(状态代码值),表示成功或失败。你可以使用 $response->is_success 来检测它。?
??? http status line(http 状态描述),观察 $response->status_line 的结果 ( 比如 “404 Not Found” ) 会帮助你理解这个词的意思。?
??? MIME content-type(文件类型)通过 $response->content_type 来获得。例如 “text/html”,”image/gif”,”application/xml” 等等。?
??? content of the response(响应返回的内容)储存在 $response->content。内容可能是 html 格式。如果是 GIF 格式,$response->content 里是二进制的 GIF 数据。?
??? 许多其他 methods 都可以在 HTTP::Response 和它的 superclasses (父 class) HTTP::Message 和 HTTP::Headers 里找到。?
添加其他 HTTP 请求 headers?
request (请求) 常用的方法是 $response = $browser->get($url),但如果需要,你可以在 $url 后跟一个键值的列表来给你的 request 加上其他 HTTP headers。象这样 :?
$response = $browser->get( $url,$key1,$value1,$key2,$value2,... );?
举个例子,如果你要对一个只允许 Netscape 浏览器连入的网站发出请求,那就需要发出类似 Netscape 的 header,如下:?
my @ns_headers = (?
?? 'User-Agent' => 'Mozilla/4.76 [en] (Win98; U)',?
?? 'Accept' => 'image/gif,image/x-xbitmap,image/jpeg,sans-serif; font-size:14px; line-height:25.200000762939453px">??????? image/pjpeg,image/png,*/*',sans-serif; font-size:14px; line-height:25.200000762939453px">?? 'Accept-Charset' => 'iso-8859-1,*,utf-8',sans-serif; font-size:14px; line-height:25.200000762939453px">?? 'Accept-Language' => 'en-US',sans-serif; font-size:14px; line-height:25.200000762939453px">? );?
? $response = $browser->get($url,@ns_headers);?
如果不打算重复使用这个 array,你可以把它写到 get 函数里?
$response = $browser->get($url,sans-serif; font-size:14px; line-height:25.200000762939453px">如果只是打算修改 User-Agent,可以通过 LWP::UserAgent 的 agent 方法把缺省的agent ‘libwww-perl/5.65’(或者别的)改掉。?
$browser->agent('Mozilla/4.76 [en] (Win98; U)');?
使用 cookies?
默认的LWP::UserAgent对象像一个不支持cookies的浏览器一样工作。有不只一种的办法可以设定它的cookie_jar属性,从 而让它 支持cookies。“cookie jar” 是一个用来储存 HTTP cookie 的容器。你可以把它存到硬盘(像Netscape使用cookies.txt一样)或内存里。存到内存里的 cookies 会在程序完成后消失。内存式的 cookie 使用方法:?
$browser->cookie_jar({});?
也可以把 cookie 储存到硬盘的文件里:?
use HTTP::Cookies;?
? $browser->cookie_jar( HTTP::Cookies->new(?
??? 'file' => '/some/where/cookies.lwp',sans-serif; font-size:14px; line-height:25.200000762939453px">??????? # 储存 cookies 的地址?
??? 'autosave' => 1,sans-serif; font-size:14px; line-height:25.200000762939453px">??????? # 当完成后自动储存到硬盘里?
? ));?
文件里的 cookie 是以 LWP 自定的格式储存,如果你想在 netscape 里使用这个 cookie 文件,可以使用 HTTP::Cookies::Netscape class :?
??? # yes,loads HTTP::Cookies::Netscape too?
? $browser->cookie_jar( HTTP::Cookies::Netscape->new(?
??? 'file' => 'c:/Program Files/Netscape/Users/DIR-NAME-HERE/cookies.txt',sans-serif; font-size:14px; line-height:25.200000762939453px">??????? # where to read cookies?
你也可以象上面一样使用 ‘autosave’ => 1 。 但 Netscape 的 cookie 有时会在写入硬盘之前就被丢掉,至少在写这篇文章的时候还是这样。?
通过 POST提交表格?
大部分HTML表格使用HTML POST 向服务器提交数据,在这里你可以这样:?
$response = $browser->post( $url,sans-serif; font-size:14px; line-height:25.200000762939453px">?? [?
???? formkey1 => value1,sans-serif; font-size:14px; line-height:25.200000762939453px">???? formkey2 => value2,sans-serif; font-size:14px; line-height:25.200000762939453px">???? ...?
?? ],sans-serif; font-size:14px; line-height:25.200000762939453px">);?
或者你也可以把 HTTP header 也一起发出?
?? headerkey1 => value1,sans-serif; font-size:14px; line-height:25.200000762939453px">?? headerkey2 => value2,sans-serif; font-size:14px; line-height:25.200000762939453px">下一个例子向 AltaVista 的搜索引擎发送 HTTP POST 请求,然后从HTML里提取出符合匹配的总数。?
use strict;?
? use warnings;?
? use LWP 5.64;?
? my $word = 'tarragon';?
? my $url = 'http://www.altavista.com/sites/search/web';?
? my $response = $browser->post( $url,sans-serif; font-size:14px; line-height:25.200000762939453px">??? [ 'q' => $word,? # the Altavista query string?
????? 'pg' => 'q','avkw' => 'tgz','kl' => 'XX',sans-serif; font-size:14px; line-height:25.200000762939453px">??? ]?
? die "$url error: ",sans-serif; font-size:14px; line-height:25.200000762939453px">? die "Weird content type at $url -- ",sans-serif; font-size:14px; line-height:25.200000762939453px">? if( $response->content =~ m{AltaVista found ([0-9,]+) results} ) {?
??? # 从 "AltaVista found 2,345 results" 里匹配出结果?
??? print "$word: $1n";?
??? print "Couldn't find the match-string in the responsen";?
通过 GET 提交表格?
一些HTML表格不使用 POST 请求,而是使用 GET 请求来传输数据。例如,在 imdb.com 里检索电影名字 ‘Blade Runner’,提交后在浏览器的网址栏里将显示 :?
http://us.imdb.com/Tsearch?title=Blade%20Runner&restrict=Movies+and+TV?
下面是使用 LWP 实现同样的结果 :?
use URI;?
? my $url = URI->new( 'http://us.imdb.com/Tsearch' );?
??? # makes an object representing the URL?
? $url->query_form(? # And here the form data pairs:?
??? 'title'??? => 'Blade Runner',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'restrict' => 'Movies and TV',sans-serif; font-size:14px; line-height:25.200000762939453px">? my $response = $browser->get($url);?
第5章详细描述了 HTML 表格和表格数据,第6章到第9章描述了怎样从获得的HTML数据里提取出有用的信息。?
URL 处理?
上面提到的 URI class 提供很多获取和修改 URL 的方法。例如 如果想要知道 url 是什么类型 (http,ftp 等等) 可以使用 $url->schema 来得到,如果要提取网址里的主机名,可以使用 $url->host。不过,可能最有用的是我前面提到的 query_form 方法,以及把相对网址路径(如”../foo.html”)转换成绝对路径(如”http: //www.perl.com/stuff/foo.html”)的 new_abs 方法。例子如下:?
? $abs = URI->new_abs($maybe_relative,$base);?
现在回忆一下获取最新 CPAN 模块的那个例子。?
? my $url = 'http://www.cpan.org/RECENT.html';?
? my $html = $response->content;?
? while( $html =~ m/chunk86920392chunklt;A href="(.*?)"/g ) {?
????? print "$1n";?
输出的结果是?
MIRRORING.FROM?
? RECENT?
? RECENT.html?
? authors/00whois.html?
? authors/01mailrc.txt.gz?
? authors/id/A/AA/AASSAD/CHECKSUMS?
你可以使用 URI 模块的 new_abs 方法来得到完全网址路径,修改 while 循环:?
while( $html =~ m/<A href="(.*?)"/g ) {?
????? print URI->new_abs( $1,$response->base ),"n";?
$response->base 方法可以在 HTTP::Message 里找到。它返回的 URL 通常被用来和相对路径合并来得到完全路径。现在得到的结果是?
http://www.cpan.org/MIRRORING.FROM?
? http://www.cpan.org/RECENT?
? http://www.cpan.org/RECENT.html?
? http://www.cpan.org/authors/00whois.html?
? http://www.cpan.org/authors/01mailrc.txt.gz?
? http://www.cpan.org/authors/id/A/AA/AASSAD/CHECKSUMS?
请参考 Perl & LWP 的第四章,以得到对 URI objects 更详细的描述。当然,使用 regexp (正则表达式) 来匹配 url 相对简单,如果情况复杂,需要更强大的匹配工具,可以考虑 HTML 分析模块 HTML::LinkExtor 或 HTML::TokeParser,甚至 HTML::TreeBuilder?
其他浏览器属性?
LWP::UserAgent objects 有几个值得注意的属性 :?
??? $browser->timeout(15): 设定缺省 request 的 timeout 时间.超过这个时间就放弃请求。?
??? $browser->protocols_allowed( [ ‘http’,‘gopher’] ): 这用来设定只接受 http 和 gopher 协议。连接其他协议时就返回 500 错误值,”Access to ftp URIs has been disabled” 的错误消息。?
??? use LWP::ConnCache; $browser->conn_cache(LWP::ConnCache->new()): 这告诉 browser object 使用 HTTP/1.1 “keep-Alive” 特性,即重复使用先前的 socket 来加快请求速度。?
??? $browser->agent( ‘SomeName/1.23 (more info here maybe)’ ): 设置 HTTP 请求的 User-Agent。LWP 缺省使用 “libwww-perl/versionnumber” 作为 User-Agent,比如 “libwww-perl/5.65”。你可以加上更多的信息:?
??? $browser->agent( 'SomeName/3.14 (contact@robotplexus.int)’ );?
??? 或者可以伪装为?
??? $browser->agent( 'Mozilla/4.0 (compatible; MSIE 5.12; Mac_PowerPC)’ );?
??? push @{ $ua->requests_redirectable },‘POST’: 告诉 LWP 在 POST 请求发送后如果发生重新定向就自动跟随 ( 虽然 RFC 里不要求这么做 )?
详细请参见 LWP::UserAgent 文档.?
写一个有礼貌的机器人?
如果想遵循 robots.txt 和避免在较短的时间发出太多的请求,你可以采用 LWP::RobotUA 而不是 LWP::UserAgent。LWP::RobotUA 用法与 LWP::UserAgent 一样:?
use LWP::RobotUA;?
? my $browser = LWP::RobotUA->new(?
??? 'YourSuperBot/1.34','you@yoursite.com');?
??? # 机器人名字和 email 地址?
HTTP::RobotUA 多了几个特性:?
??? 如果 $url 请求的服务器的 robots.txt 禁止了你对 $url的访问,那么 $browser 就不会发出对于这个地址的请求,而是返回 403 代码和一个错误信息 “Forbidden by robots.txt”。?
??? die "$url -- ",$response->status_line,"nAborted"?
?????? unless $response->is_success;?
??? 然后你会得到这样的错误信息:?
??? http://whatever.site.int/pith/x.html -- 403 Forbidden?
????????? by robots.txt?
????????? Aborted at whateverprogram.pl line 1234?
??? 如果 $browser 发现请求的地址是刚刚请求过的,就会暂停 (sleep) 来避免发送太多的请求。缺省暂停 1 分钟,但可以通过 $browser->delay( minutes ) 来设定。比如:?
??? $browser->delay( 7/60 );?
详细请参见 LWP::RobotUA文档.?
使用代理?
有时你希望(或者是必须)通过代理来连接某些站点或协议,就比如你的LWP程序是运行在某台处于防火墙之内的机器上。代理通常储存在环境变量 HTTP_PROXY 里。LWP 可以通过 user-agent object 里的 env_proxy 函数把环境变量里的代理地址装载。?
use LWP::UserAgent;?
? # And before you go making any requests:?
? $browser->env_proxy;?
详细请参照 LWP::UserAgent 文档里的 proxy,env_proxy 和 no_proxy 方法.?
HTTP 认证?
许多网站都是通过 HTTP 认证来限制连接. 当用户请求一个限制页面时,HTTP 服务器回复 “That document is part of a protected ‘realm’ and you can access it only if you re-request it and add some special authorization headers to your request”. ( 你现在请求了一个限制区域,如果你需要重新发送一个带有认证信息的 header 才可以连入. )Unicode.org 的管理员为了防止机器人访问邮件组获取发信人地址,要求先进行 HTTP 认证。用户名和密码是公开的:用户名: unicode-ml 密码: unicode?
假设一个限制页面的地址是?
http://www.unicode.org/mail-arch/unicode-ml/y2002-m08/0067.html?
如果你在浏览器里请求这个地址,一个新的窗口跳出,显示 “Enter username and password for ‘Unicode-MailList-Archives’ at server ‘www.unicode.org’”。请你输入用户名和密码,就像这样:?
单纯使用 LWP 请求这个网址 :?
use LWP 5.64;?
? my $url =?
?? 'http://www.unicode.org/mail-arch/unicode-ml/y2002-m08/0067.html';?
? die "Error: ",$response->header('WWW-Authenticate') ||?
??? 'Error accessing',sans-serif; font-size:14px; line-height:25.200000762939453px">??? #? ('WWW-Authenticate' is the realm-name)?
??? "n ","n at $urln Aborting"?
你将得到以下错误:?
Error: Basic realm="Unicode-MailList-Archives"?
?? 401 Authorization Required?
?? at http://www.unicode.org/mail-arch/unicode-ml/y2002-m08/0067.html?
?? Aborting at auth1.pl line 9.? [or wherever]?
这是因为 LWP 不知道 host www.unicode.org 里的 “Unicode-MailList-Archives” 区的用户名和地址。解决这个问题最简单的方法是使用 credentials 方法来提供用户名和密码:?
$browser->credentials(?
??? 'servername:portnumber',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'realm-name',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'username' => 'password'?
通常,端口是 80. credentials 函数要在发请求之前调用.比如:?
??? 'reports.mybazouki.com:80',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'web_server_usage_reports',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'plinky' => 'banjo123'?
我们的 unicode.org 的例子可以写成?
$browser->credentials(? # add this to our $browser 's "key ring"?
??? 'www.unicode.org:80',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'Unicode-MailList-Archives',sans-serif; font-size:14px; line-height:25.200000762939453px">??? 'unicode-ml' => 'unicode'?
连接 HTTPs URLs?
只要有安装 LWP 的HTTPs 的支持,访问 HTTPs URLs 的方法和 HTTP 一样?
? my $url = 'https://www.paypal.com/';?? # Yes,HTTPS!?
? die "Error at $urln ","n Aborting"?
? print "Whee,it worked!? I got that ",sans-serif; font-size:14px; line-height:25.200000762939453px">?? $response->content_type," document!n";?
如果没有 HTTPs 的支持,如下错误信息会显示?
Error at https://www.paypal.com/?
?? 501 Protocol scheme 'https' is not supported?
?? Aborting at paypal.pl line 7.?? [or whatever program and line]?
如果你安装了 LWP 的 HTTPS 支持的话,你的请求应该是成功的,你可以像对待普通的 HTTP 请求一样处理 $response 对象。关于安装 HTTPS 支持的信息可以在libwww-perl 里的README.SSL 文件找到.?
获取大文件?
请求较大的文件时,普通的请求方法 ( 例如 $response = $browser->get($url) ) 会给你带来内存问题. 因为 $response 储存着整个文件. 如果请求了一个 30MB 的文件,那可能不是什么明智的做法.一个解决方法是把文件存到硬盘?
$response = $ua->get($url,sans-serif; font-size:14px; line-height:25.200000762939453px">???????????????????????? ':content_file' => $filespec,sans-serif; font-size:14px; line-height:25.200000762939453px">????????????????????? );?
比如:?
$response = $ua->get('http://search.cpan.org/',sans-serif; font-size:14px; line-height:25.200000762939453px">???????????????????????? ':content_file' => '/tmp/sco.html'?
当使用 content_file 时,headers 还是在$response,但$response->content 是空.值得注意的是LWP 5.66 之前的版本不支持content_file . 你应该使用 use LWP 5.66; 如果你的程序可能运行在低版本的 LWP 上,你也可以使用下面的例子来保证兼容性,这与 content_file 有同样效果.?
use HTTP::Request::Common;?
? $response = $ua->request( GET($url),$filespec );?
资源?
以上只是对 LWP 常用函数的简介,如果想了解更多关于 LWP 和 LWP 相关的东西,请参阅以下文档?
??? LWP::Simple: 提供简易的 get,head,mirror 方法.?
??? LWP: libwww-perl 模块的综述?
??? HTTP::Response: 发出 LWP 请求后所得到的响应,$response = $browser->get(…).?
??? HTTP::Message and HTTP::Headers: HTTP::Response 很多方法都是来自两者.?
??? URI: Class 处理完全和相对网址路径.?
??? URI::Escape: 来正确处理和转换 URL 里的不规则字符 (比如 “this & that” 和 “this%20%26%20that” 之间的转换).?
??? HTML::Entities: 来正确处理和转换 HTML 里的不规则字符 (比如 “C. & E. Bront??” 和 “C. & E. Bront??” 之间的转换).?
??? HTML::TokeParser and HTML::TreeBuilder: Classes 分析 HTML?
??? HTML::LinkExtor: Class :在 HTML 找到链接?
??? 当然还有我的 Perl & LWP.?
与 Sean Burke 讨论后的一些笔记?
在翻译这篇文章的时候,我联系到了文章作者,Sean Burke. 他同意把原文章里需要补充和更新的地方指出. 我与作者也通过 MSN 交流了一下. 这里我把自己对 LWP 的理解和作者的补充写在这里.?
??? 在文章里提到了使用?
??? use LWP::ConnCache;?
???????? $browser->conn_cache(LWP::ConnCache->new()):?
??? 这告诉 browser object 使用 HTTP/1.1 “keep-Alive” 特性,即重复使用先前的 socket 来加快请求速度.你也可以在 new LWP::UserAgent 时为 $browser 加上 “keep-Alive” 特性,如下?
??? use LWP;?
????????? $browser = new LWP::UserAgent(keep_alive => 1);?
??? 不要忘记 response object 的 header 通常有很多非常值得注意的信息,你可以通过 headers_as_string 和 as_string 函数来得到. 下面是使用 headers_as_string 返回的例子?
???????? my $br = LWP::UserAgent->new;?
???????? my $resp = $br ->get('http://www.pulse24.com');?
???????? print $resp->headers_as_string";?
??? 输出结果:?
??? Cache-Control: private,max-age=0?
???????? Connection: close?
???????? Date: Sun,16 Jan 2005 04:18:26 GMT?
???????? Server: Microsoft-IIS/6.0?
???????? Content-Length: 432?
???????? Content-Type: text/html?
???????? Content-Type: text/html; charset=iso8859-1?
???????? Client-Date: Sun,16 Jan 2005 04:18:09 GMT?
???????? Client-Peer: 207.61.136.40:80?
???????? Client-Response-Num: 1?
???????? REFRESH: 0;URL=http://www.pulse24.com/Front_Page/page.asp?
???????? X-Meta-Robots: noindex?
???????? X-Powered-By: ASP.NET?
??? 你也可以通过 $response->header(’field’) 来获得想要的特别 header. 象上面的例子,如果要访问的网页使用了 meta refresh :?
??? <META HTTP-EQUIV="REFRESH" CONTENT="0;URL=http://www.pulse24.com/Front_Page/page.asp">?
??? 你可以使用 $response->header(’refresh’) 来拿到 refresh 的 url 地址,选择是否继续跟进.?
??? 有 些时候,浏览器可以正常访问到的地址,LWP 却不行. 一般是因为你的 LWP 的 header,referer,cookie 或 user-agent 等的设定与对方网络服务器允许连入的不同. 为了找到问题所在,你需要比较浏览器发出的请求和你的 LWP 发出的请求有何不同,然后修改再尝试. 很多时候这是反反复复的工作. 我最早使用 Ethereal 来监视,抓取数据,目前使用 Firefox 的 LiveHTTPHeaders 插件. 现在LWP 也自带一个数据分析模块 LWP::DebugFile 来帮助你找到问题.?
??? 另外,文章里提到了 HTTP::Cookies::Netscape,现在LWP Cookies 模块支持更多浏览器 Mozilla,Safari,Omniweb?
??? 很多时候表格与 javascript 一起使用,LWP 没有分析 Javascript 的引擎,所以你必须分析网页源码里 Javascript 来决定怎样处理.?
??? function Submit()?
??? {?
??????????????????? .........?
??? self.document.location.href="verify.php";?
??? return false;?
??? }?
??? ........?
??? <form>?
??? ......?
??? <input type=button value="Submit your page" onClick="javascript:Submit();return false;//">?
??? 上面的这个例子通过表格提交来触动 javascript 的 submit 函数,最后调用了 verify.php. 现在你就可以跳过所有的 javascript 而直接对 verify.php 来提交.?
译者/作者:qiang?
出处:中国Perl协会 FPC(Foundation of Perlchina)?
作者:Sean M. Burke – Perl & LWP 作者(O’Reilly 出版)?
原名:Web Basics with LWP?
发表:2002 年 2月 28 日?
请保护作者的著作权,维护作者劳动的结晶。

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读