Форум программистов, компьютерный форум, киберфорум
Perl
Войти
Регистрация
Восстановить пароль
Карта форума Темы раздела Блоги Сообщество Поиск Заказать работу  
 
Рейтинг 5.00/13: Рейтинг темы: голосов - 13, средняя оценка - 5.00
174 / 170 / 19
Регистрация: 31.08.2010
Сообщений: 573
1

Скачивание файлов из интернета

30.09.2011, 16:37. Показов 2685. Ответов 2
Метки нет (Все метки)

Author24 — интернет-сервис помощи студентам
Здравствуйте!
Подскажите пожайлуста, куда копать, мне нужно загрузить файл с интернета, допустим файл http://ubuntu.ru/media/fcm/issue25-ru.pdf

У меня есть 2 варианта, которые не совсем подходят:
1) использовать wget, но тогда не будет кроссплатформенности
2) использовать lwp-download, что тоже не совсем то.

Нужно написать скрипт, который выкачивал бы нужный файл (набор файлов) на компьютер. Подскажите, в какую сторону смотреть.
0
Лучшие ответы (1)
Programming
Эксперт
94731 / 64177 / 26122
Регистрация: 12.04.2006
Сообщений: 116,782
30.09.2011, 16:37
Ответы с готовыми решениями:

Скачивание файлов из интернета
Всем доброго времени суток! И с наступающим!) Итакс. Мне надо научить программу скачивать файл....

Скачивание 2 файлов из интернета
Здравствуйте. Проблема такая есть 2 файла которые нужно скачать и поле это-го выполнить какое либо...

Скачивание заголовочных файлов из интернета
Доброго времени суток! Скопировал прогу из интернета, был там заголовочный файл stdafx.h, которого...

Скачивание файлов из интернета: IStatusLable и progressbar не хотят работать
Возникла проблема с прогресс баром и IStatus- использую как статус скаченного. Не хотят работать...

2
654 / 352 / 113
Регистрация: 11.12.2009
Сообщений: 508
30.09.2011, 20:17 2
Perl
1
2
use LWP::Simple;
getstore($url,$way_to_saved_file)
1
44 / 37 / 6
Регистрация: 30.07.2008
Сообщений: 136
30.09.2011, 23:40 3
Лучший ответ Сообщение было отмечено Памирыч как решение

Решение

давным хотел написать бота скачивающего сайты:
Perl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
#1) QUEUE в котором будут храниться ссылки, которые надо загрузить
#2) RECIEVED в котором будет хранится список ссылок, которые мы уже получили
use Socket;
# чтение или создание файла опций
#
# Опции:
# img_download - загружать картинки или нет
# 1 - да
# 0 - нет
# При создании файла автоматически параметр устанавливается в значение 1
# receive_only_links - получить только ссылки из файла links
#  1 - да
#  0 - нет
# receive_only_current_site - если получать последующие ссылки, то из всей сети?
#   1 - нет, только с текущего сайта
#   0 - да, все сайты
# starting_time  - время начало закачек
# closing_time - время окончания закачек
# max_level - уровень прохода 
#  0 - закачивать все уровни
#  
if (-e "options")
{
 open (OPTIONS, "options");
 while (<OPTIONS>)
 {
  chomp($_);
  if ($_=~/img_download/){
   $_=~/img_download=(.*)/;
   $img_download=$1;
   print "INFO: img_download - $img_download\n";
  }
  if ($_=~/receive_only_links/){
   $_=~/receive_only_links=(.*)/;
   $receive_only_links=$1;
   print "INFO: receive_only_links - $receive_only_links\n";
  }
  if ($_=~/receive_only_current_site/){
   $_=~/receive_only_current_site=(.*)/;
   $receive_only_current_site=$1;
   print "INFO: receive_only_current_site - $receive_only_current_site\n";
  }
  
  if ($_=~/max_level/){
   $_=~/max_level=(.*)/;
   $max_level=$1;
   print "INFO: max_level - $max_level\n";
  }
  
  if ($_=~/debug/){
   $_=~/debug=(.*)/;
   $debug=$1;
   print "INFO: debug - $debug\n";
  }
  if ($_=~/time_control/){
   $_=~/time_control=(.*)/;
   $time_control=$1;
   print "INFO: time_control - $time_control\n";
  }
  
  if ($_=~/starting_time/){
   $_=~/starting_time=(.*)/;
   $starting_time=$1;
   print "INFO: starting_time - $starting_time\n";
  }
  
  if ($_=~/closing_time/){
   $_=~/closing_time=(.*)/;
   $closing_time=$1;
   print "INFO: closing_time - $closing_time\n";
  }
  if ($_=~/cookies_enabled/){
   $_=~/cookies_enabled=(.*)/;
   $cookies_enabled=$1;
   print "INFO: cookies_enabled - $cookies_enabled\n";
  }
 }
 close (OPTIONS);
}
else
{
 open (OPTIONS, ">>options");
 print OPTIONS "img_download=0\n";
 print OPTIONS "receive_only_links=1\n";
 print OPTIONS "receive_only_current_site=0\n";
 $img_download=0;
 $receive_only_links=1;
 $receive_only_current_site=0;
 $max_level=0;
 $debug=0;
 $time_control=0;
 $cookies_enabled=0;
 close (OPTIONS);
}
if ($time_control == 1){
 $time=scalar localtime; 
 $time =~ /(\d+):(\d+):(\d+)/;
 $hour=$1, $min=$2, $sec=$3;
 $starting_time =~ /(\d+):(\d+):(\d+)/;
 $starting_hour=$1, $starting_min=$2, $starting_sec=$3;
 if ($debug == 1)
 {
  print "DEBUG: hour - $hour starting_hour - $starting_hour
DEBUG: min - $min starting_min - $starting_min 
DEBUG: sec - $sec starting_sec - $starting_sec\n";
}
 while ($hour!=$starting_hour || $min != $starting_min || $sec != $starting_sec)
 {
  $time=scalar localtime; 
  $time =~ /(\d+):(\d+):(\d+)/;
  $hour=$1, $min=$2, $sec=$3;
  print "Now: $hour:$min:$sec\r";
  sleep(1);
 }
 
 if (-e "time.bat")
 {
  system("time.bat");
 }
}
 
# чтение файла со ссылками
# Если файла нет, ошибка 
# 
if (-e "links"){
 open (INPUT, "links");
 while(<INPUT>)
 {
  $current_level = 1;
  receive_html($_, $current_level); # 1 заход в функцию, 1 уровень
 }
 close (INPUT);
}
else
{
 print "Error: No file with links\n";
}
#################################################
# open_TCP - создание  TCP/IP соединения с помощью сокетов
#
sub open_TCP
{
 # get parameters
 my ($FS, $dest, $port) = @_; 
 my $proto = getprotobyname('tcp');
 socket($FS, PF_INET, SOCK_STREAM, $proto);
 my $sin = sockaddr_in($port,inet_aton($dest));
 connect($FS,$sin) || return undef;
  
 my $old_fh = select($FS); 
 $| = 1;           # don't buffer output
 select($old_fh);
 1;
}
#################################################
# receive_html (ссылка в формате [url]http://***[/url]) - получение страницы/файла
#
# site - имя хоста
# link - имя файла или скрипта на сервера
# currentdir - директория, в которой мы находимся
# write - флаговая переменная для отрезания http заголовка
# fs - id сокета
# filename - имя создаваемого файла
# symbols - массив хранения символов
# i - счетчик
# time - время
# hour - часы
# min - минуты
# sec - секунды
# 
sub receive_html
{
 my $site;
 my $link;
 my $currentdir; 
 my $write; 
 my $filename;
 my $fi;
 my ($curlink, $current_level)=@_;
 my $fi="F";
 my $write=0;
 my $port=80;
 my @symbols;
 my $i;
 my $time;
 my $hour; 
 my $min;
 my $sec;        
 my $content_length;
 my $current_file_size;
 my $file_percent;
 my $received_percent;
 my $old_current_file_size;
 my $old_sec=0;
 my $speed=0;
 my $cookie="";
 my $cookies_here =0;
 
 
 $time=scalar localtime;
 $time =~ /(\d+):(\d+):(\d+)/;
 $hour=$1, $min=$2, $sec=$3;
 print "\n$hour\:$min\:$sec $curlink\n"; 
 print_logfile ("\n$hour\:$min\:$sec $curlink\n");
 if (test_link($curlink)==1)
 {
 if ($curlink=~/\/\//){
  $curlink=~s/\/\//\//g;}
 $curlink=~s/http:\//http:\/\//;
 # чтобы закачивались ссылки без закрывающего слэша
 $curlink=~/(.*)\:\/\/(.*)/;
 $proto=$1;
 $temp=$2;
 if ($temp=~/\//){
   $temp=~/(.*?)\/(.*)/;
   $site=$1; # хост 
  $link=$2; # файл
  }
 else {
  $site=$temp;
  $link="";
 }
 # отделение текущей директории для запроса 
 $curlink=~/(.*?)\:\/\/(.*?)(\/.*)\//;
 $currentdir=$3;
 print_logfile("currentdir - $currentdir\n");
 chomp($curlink);
 
 #print "DEBUG:curlink - $curlink, currentdir - $currentdir\n";
 # отделение порта если он есть
 if ($site=~/\:/){ 
  $site=~/(.*)\:(.*)/;
  $site=$1;
  $port=$2;
  #print "DEBUG:site - $site, 1 - $1, 2 - $2, port - $port\n";
 }
 # соединение
 if (open_TCP($fi, $site, $port) == undef) {
  print_logfile("Error connecting to server: site - $site, link - $link, currentdir - $currentdir, write - $write, filename - $filename, fi - $fi, curlink - $curlink\n");
  $error = 1;  
 }
 else  {
  print_logfile("Site: $site \nLink: $link \nCurrent dir: $currentdir\n");
 }
 #ДО ОТПРАВКИ ЗАПРОСА, чтобы выяснить размер файла, если он уже существует!
 # убираем символы, которые не могут присутствовать в имени файла
 $temp_link=$link;
 $temp_link=~s/(\/|\?|\\|\:|\'|\")/_/g;
 $filename=$site."_".$temp_link;
 # если длина имени файла больше 255 символов, то мы отрезаем 200 первых символов
 if (length($filename)>=255){
  @symbols=split (//,$filename);
  $filename="";
  for($i=200;$i<length($filename);$i++){
   [EMAIL="$filename.=@symbols"]$filename.=@symbols[/EMAIL][$i];
  }  
 }
 print_logfile("\nFilename: $filename\n\n");
 
 #размер файла
 if (-e "$filename") {
  #для докачки
  $current_file_size=(-s "$filename");
  if ($cookies_enabled ==1){
   if (-e "$site\.cookie" && (-s "$site\.cookie")>0){    
    open(COOKIE, "$site\.cookie")|| print_logfile( "Error: can't  open COOKIE $site\n");
    while (<COOKIE>){
     chomp ($_);
     $cookie.= $_;
    }
    close(COOKIE);
    if ($debug==1) {print_logfile("COOKIES: $cookie\n");}
    $cookies_here = 1;
    if ($debug==1) {print_logfile("COOKIES: cookies-here $cookies_here\n");}
   }
  }  
  if ($proto eq "http"){
   if ($cookies_enabled ==1){
    if ($cookies_here==1){
     $request="GET /$link HTTP/1.0\nRange: bytes=$current_file_size-\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\nCookie: $cookie\n\n";}
    else {
     $request="GET /$link HTTP/1.0\nRange: bytes=$current_file_size-\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\n\n";}
   }
   else {
    $request="GET /$link HTTP/1.0\nRange: bytes=$current_file_size-\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\n\n";}
  } #end  if ($proto eq "http")  
 }#end  if (-e "$filename") 
 else {
  if ($cookies_enabled ==1){
   if (-e "$site\.cookie" && (-s "$site\.cookie")>0){    
    open(COOKIE, "$site\.cookie")|| die "Error: can't  open COOKIE\n";
    while (<COOKIE>){
     chomp ($_);
     $cookie.= $_;
    }
    close(COOKIE);
    if ($debug ==1){print_logfile("COOKIES: $cookie\n");}    
    $cookies_here = 1;
    if ($debug ==1){print_logfile("COOKIES: cookies-here $cookies_here\n");}
   }
  }
  # создание и отсылка запроса
  if ($proto eq "http"){
   if ($cookies_enabled ==1){
    if ($cookies_here==1){
     $request="GET /$link HTTP/1.0\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\nCookie: $cookie\n\n";}
    else  {
     $request="GET /$link HTTP/1.0\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\n\n";}
   }
   else {
    $request="GET /$link HTTP/1.0\nUser-Agent: Mozilla/4.0 (compatible; MSIE 6.0; WindowsNT 5.1)\nHost: $site\nAccept: */*\n\n";}
  } 
 }#end else 
 print $fi $request;
 binmode($fi);
 # инфу в логфайл
 chomp($request);
 print_logfile("Request:\n$request");
 # запись получаемого в файл
 open (OUTPUT, ">>$filename"); 
 binmode(OUTPUT);
 while (<$fi>){
  # отрезаем http-заголовок и записываем в логфайл
  if($write==0)
  {
   # обработка заголовка   
   print_logfile($_);
   if ($_=~/Content-Length/){
    $_=~/Content-Length\:.(.*)/;
    $content_length = $1;
    chomp($content_length);
    if ($debug ==1){
     print_logfile ("\ncontent_length - $content_length\n");}
    $content_length+=$current_file_size;    
   }
   if ($_=~/Location/){
    $_=~/Location\:.(.*)/;
    write_link($1, $site, $currentdir);
   }
   if ($_=~/Set-Cookie/){    
    if ($debug ==1){
     print_logfile ("\nSET_COOKIE1: _ - $_\n");}
    $_=~/Set-Cookie\:(.*)/;
    $temp=$1;
    if ($debug ==1){
     print_logfile ("\nSET_COOKIE2: temp - $temp\n");}
    if ($temp=~/expires/i){
     $temp=~/(.*?)expires.*?;(.*)/;
     $temp=$1.$2;
    }
    if ($debug ==1){
     print_logfile ("\nSET_COOKIE3: 1 -- $1 2-- $2 temp - $temp\n");}
    chomp($temp);
    $temp=~s/\x0d//g;
    $temp=~s/\x0a//g;
    if ($debug ==1){
     print_logfile ("\nSET_COOKIE4: temp - $temp\n");}
    $cookie.=$temp;
    chomp($cookie);
    if ($debug ==1){
     print_logfile ("\nSET_COOKIE5: 1 - $1\n");
     print_logfile ("\nSET_COOKIE6: cookie - $cookie\n");}
   }
  }
  # записывем данные
  if($write==1)
  {
   if ($cookies_enabled ==1){
    open(COOKIE, ">$site\.cookie") || print_logfile ("Can't open >$site\.cookie\n");
    print COOKIE $cookie;
    close (COOKIE);}
   print OUTPUT $_;
   #отображение процесса загрузки
   $time=scalar localtime;
   $time =~ /(\d+):(\d+):(\d+)/;
   $hour=$1, $min=$2, $sec=$3;
   if ($time_control == 1){
    if ($closing_time !=undef){
     $closing_time =~ /(\d+):(\d+):(\d+)/;
     $closing_hour=$1, $closing_min=$2, $closing_sec=$3;
     if ($hour == $closing_hour && $min== $closing_min && $sec==$closing_sec)
     {
      close($fi);
      close(OUTPUT);
      write_link($curlink);
      goto start;
     }
    }
   }   
   $current_file_size=(-s "$filename");
   if ($content_length != undef)
   {
    $file_percent = $content_length/100;
    $received_percent = $current_file_size/$file_percent;    
    
    printf "%.2f%\/100 $current_file_size\/$content_length\r", $received_percent;
   }
   else {
    print "$current_file_size\/\? \r";
   }
   
   
  }  
  
  # выявление редиректа
  if ($_=~/object.*may.*be.*found/i){
   $_=~/object.*may.*be.*found.*<a.*?href=\"(.*?)\">here/i;
   write_link($1, $site, $currentdir);
   }
  if ($_=~/document.*has.*moved.*<A/i){
   $_=~/document.*has.*moved.*<A.*?href=\"(.*?)\">here/i;
   #print_logfile("DEBUG: NEW LINK - $1\n");
   write_link($1, $site, $currentdir);
   }
  
  if ($_ eq "\x0d\x0a")
  {    
   $write = 1;
  }
 }
 close(OUTPUT);
 $cookie="";
 $cookies_here=0;
 
 #отображение размера полученных данных
 $current_file_size=(-s "$filename");
 if ($content_length != undef)
  {  
  print "100.00\%\/100 $current_file_size\/$content_length";
 }
 else {
  print "$current_file_size";
 } 
 
 $write=0;
 # закрытие сокета
 close($fi);
 
 
 # записываем ссылку в список уже полученных ссылок
 open(RECEIVED,">>received");
 chomp($curlink);
 print RECEIVED $curlink."\n";
 close(RECEIVED);
 if ($receive_only_links == 0){    
  
  # анализируем полученный html
  # TODO : реализовать обработку расширений лучше
  if ($filename !~/(\.jpg)|(\.gif)|(\.png)|(\.zip)(\.rar)|(\.avi)/)
  {
   
   if ($current_level < $max_level || $max_level == 0)
   {    
    $current_level++;    
    analyse_html($filename, $site, $currentdir, $current_level);
    $current_level--;
   }
   
  }  
 } #end if ($receive_only_links == 0){
  
 } #end if (test_link($curlink)==1)
 
 # запуск получения ссылок из очереди
 if((-s "queue")!=0){
  process_queue();
 }
 
}
#################################################
# process_queue (void) - получение ссылки из очереди
# 
sub process_queue
{
 my $string;
 my $current_level;
 my $current_link;
 # Нужно прочитать первую строку файла, затем ее удалить 
 # TODO А если мы ссылку не получим !! ??? а из очереди уже удалили !
 open(NQUEUE,">>queue.tmp");
 open(QUEUE,"queue");
 $string=<QUEUE>;
 #print $string;
 while (<QUEUE>){
  print NQUEUE $_;
  }
 close (QUEUE);
 close (NQUEUE);
 rename("queue.tmp","queue");
 
 $string=~/(\d+)\x20(.*)/;
 $current_level = $1;
 $current_link = $2;
 receive_html($current_link, $current_level);
}
#################################################
# analyse_html(файл, хост, директория) - открытие файла
# 
sub analyse_html
{
 my ($filename, $site, $currentdir, $current_level)=@_;
 my $temp_str;
 if ($debug == 1){
  print_logfile ( "analyse_html ( filename -- $filename, site --  $site, currentdir -- $currentdir, currentlevel -- $current_level)\n");
 }
 
 #анализ на наличие ссылок
 open(FILE, $filename);
 binmode(FILE);
 while (<FILE>)
 {
  if ($debug == 1){
   print_logfile ("analyse_html: _ -- $_\n");
  }
  $temp_str=$_;
  if ($debug == 1){
   print_logfile ("analyse_html: temp_str (href_analyse) -- $temp_str\n");
  }
  href_analyse($temp_str , $site, $currentdir, $current_level);
  if ($img_download==1){
   if ($debug == 1){
    print_logfile ("analyse_html: temp_str (img_analyse) -- $temp_str\n");
   }  
   img_analyse($temp_str,$site, $currentdir, $current_level); 
  }
 }
 close(FILE);
}
#################################################
# href_analyse (строка, сайт, директория) -  анализ гиперссылок внутри файла
#
sub href_analyse
{
 # TODO
 # НЕПРАВИЛЬНО
 
 my ($str, $site, $currentdir, $current_level)=@_;
 my $link;
 my $tempstring;
 $tempstring=$str;
 if ($debug == 1){ 
  print_logfile ( "href_analyse ( str -- $str, site -- $site, currentdir -- $currentdir, currentlevel -- $current_level)(href_analyse)\n"); 
  print_logfile ( "href_analyse: tempstring -- $tempstring\n");
  print_logfile ( "href_analyse: str -- $str\n");
 }
 while ($str=~/href/i)
 {
  $str=~/href\s?=\s?(.*?)>(.*)/i;
  $link =$1;
  if ($debug == 1){
   print_logfile ( "href_analyse: 1 link-- $link\n");}
  $str = $2;
  if ($debug == 1){
   print_logfile ( "href_analyse: 1 str -- $str\n");}
  $link=~s/&quot;//g;
  $link=~s/&amp;/&/g;
  if ($link=~/\x20/)
  {
   $link=~/(.*?)\x20/i;
   $link=$1;
  }
  
  if ($link=~/\"/)
  {
   $link=~/\"(.*?)\"/i;
   $link=$1;
  }
  if ($link=~/\'/)
  {
   $link=~/\'(.*?)\'/i;
   $link=$1;
  }
  
  if ($link=~/\#/)
  {
   $link=~/(.*?)\#/i;
   $link=$1;
  }
  #print "$link\n";
  if ($debug == 1){
   print_logfile ( "href_analyse: 1 link-- $link\n");}
  if (defined($link)){
   write_link($link, $site, $currentdir, $current_level);}
 }
 $str=$tempstring;
 while ($str=~/http:\/\//i)
 {
  $str=~/(http:\/\/.*)/i;
  $link =$1;
  if ($debug == 1){
   print_logfile ( "href_analyse: 3 link-- $link\n");}
  $str = $2;
  if ($debug == 1){
   print_logfile ( "href_analyse: 3 str-- $str\n");}
  $link=~s/&quot;//g;
  if ($link=~/\x20/)
  {
   $link=~/(.*?)\x20/i;
   $link=$1;
  }
  if ($link=~/>/)
  {
   $link=~/(.*?)>/i;
   $link=$1;
  }
  if ($link=~/\"/)
  {
   $link=~/\"(.*?)\"/i;
   $link=$1;
  }
  if ($link=~/\'/)
  {
   $link=~/\'(.*?)\'/i;
   $link=$1;
  }
  
  
  if ($link=~/\#/)
  {
   $link=~/(.*?)\#/i;
   $link=$1;
  }
  #print "$link\n";
  if ($debug == 1){
   print_logfile ( "href_analyse: 3 link-- $link\n");}
  if (defined($link)){
   write_link($link, $site, $currentdir, $current_level);}
 }
 ##
 
 
}
##################################################
# img_analyse (строка, сайт, директория) -  анализ ссылок на картинки внутри файла
# 
sub img_analyse
{ 
 my ($str, $site, $currentdir)=@_;
 my $temp;
 my $tempstring;
 $tempstring=$str;
 if ($debug == 1){
  print_logfile("img_analyse(str -- $str, site -- $site, currentdir -- $currentdir) \n");
 }
 while ($str=~/src=/i)
 {
  $str=~/src\s?=\s?(.*?)>(.*)/i;
  $link =$1;
  if ($debug == 1){
   print_logfile ( "img_analyse: 1 link -- $link\n");}   
  $str = $2;
  if ($debug == 1){
   print_logfile ( "img_analyse: 1 str -- $link\n");}
  if ($link=~/\x20/)
  {
   $link=~/(.*?)\x20/i;
   $link=$1;
  }
  if ($link=~/\"/)
  {
   $link=~/\"(.*?)\"/i;
   $link=$1;
  }
  if ($link=~/\'/)
  {
   $link=~/\'(.*?)\'/i;
   $link=$1;
  }
  
  if ($link=~/\#/)
  {
   $link=~/(.*?)\#/i;
   $link=$1;
  }
  if ($debug == 1){
   print_logfile ( "img_analyse: 1 link -- $link\n");}
  if (defined($link)){
   write_link($link, $site, $currentdir, $current_level);}
 }
 
 
 
}
#################################################
# write_link (содержимое img src или a href, сайт, директория) 
# - запись ссылки в очередь
# 
sub write_link
{
 my ($temp, $site, $currentdir, $current_level)=@_;
 my $link;
 if ($debug == 1){
  print_logfile ("write_link (temp -- $temp, site -- $site, currentdir -- $currentdir, current_level -- $current_level\n");}
 
 if ( $temp !~ /http:/){
  $link=transform_link($temp, $site, $currentdir, $current_level);}
 else {
  if ($receive_only_current_site == 0){
   # print "DEBUG:  (write_link) were we here?";
   $link=$temp;   
  }
 }
 if ($debug == 1){
  print_logfile ("write_link : link -- $link\n");}
 
   
 if (test_link($link)==1){
  if ($debug == 1){
   print_logfile ("write_link if (test_link($link)==1)\n");}
  open(QUEUE,">>queue");
  print QUEUE $current_level." ".$link."\n";
  close(QUEUE);
 }
   
}
#################################################
# transform_link(содержимое img src или a href, сайт, директория) 
# - создание ссылки, которую поймет скрипт
#
sub transform_link
{
 my ($temp, $site, $currentdir, $current_level)=@_;
 my $link;
 my $temphref;
 my $i;
 my $j;
 my $k;
 if ($debug == 1){
  print_logfile ("transform_link(temp -- $temp, site -- $site, currentdir -- $currentdir, current_level -- $current_level\n");}
 # если мы получили ссылку вида "../../***"
 # TODO 
 if ($temp=~/\.\.\//){
  $i=0;
  $temphref=$temp;
  if ($temphref=~/\.\.\//){
   while ($temphref=~/\.\.\//){
    $temphref=~/\.\.\/?(.*)/;
    $i++;
    $temphref=$1;
   }
   if ($debug==1){
    print_logfile("transformlink: Number of slashes found in temp -- $temp -- $i\n");
   }
  }
  $temp=~s/\.\.\///g;
  
  if ($debug==1){
   print_logfile("transformlink: New temp -- $temp\n");}
  # подсчитаем количество директорий в $currendir
  $tempdirs = $currentdir;
  if ($debug==1){ 
   print_logfile("transformlink: tempdirs -- $tempdirs\n");}
  $j=0;
  if($tempdirs=~/\//){
   while ($tempdirs=~/\//){
    $tempdirs=~/.*?\/(.*)/;
    $tempdirs=$1;
    $j++;
    if ($debug==1){ 
     print_logfile("transformlink:  j -- $j\n");  
     print_logfile("transformlink:  dirs -- $tempdirs\n");
     }
   }
   if ($debug==1){ 
    print_logfile("transformlink:  Number of slashes found in tempdirs -- $tempdirs -- j -- $j\n");
    }
  }
  $k=$j-$i;
  if ($debug==1){ 
   print_logfile("transformlink:  K -- $k\n");
   }
  
  $newdirs="";
  if ($k>0){
  while($k!=0){
   $currentdir=~/(\/.*?)(\/.*)/;
   $newdirs.=$1;
   $currentdir=$2;
   $k--;
   if ($debug==1){ 
    print_logfile("transformlink:   1 -- $1\n");  
    print_logfile("transformlink:   2 -- $2\n"); 
    print_logfile("transformlink:   k -- $k\n");  
    print_logfile("transformlink: currentdir -- $currentdir\n");
    print_logfile("transformlink:   newdirs -- $newdirs\n");}
  }
  }
  
  $link="http:\/\/".$site.$newdirs."\/".$temp;
  if ($debug==1){ 
   print_logfile("transformlink:  link -- $link\n");
   }
  
 }
 else {
  # создание ссылки вида [URL]http://сайт(текущая[/URL] директория)/содержимое href  
  if ($temp!~/http:/){
   $link="http:\/\/".$site.$currentdir."\/".$temp;  
   }
 
  # заменяем 2 слэша на 1 и затем меняем http:/ на http://
  if ($link=~/\/\//){
   $link=~s/\/\//\//g;}
  $link=~s/http:\//http:\/\//;
  }
 if ($debug == 1){
  print_logfile("transform_link(return ($link)\n");}
 return $link;
}
#################################################
# test_link(ссылка) - проверка на то, был ли загружен файл или стоит ли он в очереди закачки
# Возвращаемое значение:
#  0 - если файл уже есть в очереди или если был загружен
#  1 - если файл новый и надо его скачать
sub test_link
{
 my $link=$_[0];
 my $j=0;
 my $i=0;
 my $s=0;
 my $w=0;
 if ($debug == 1){
  print_logfile("test_link (link --$link)\n");}
 
 # проверка есть ли ссылка в файле очереди
 if (-e "queue" && ((-s "queue")!=0))
 {
  open(QUEUE,"queue");
  while (<QUEUE>){
   chomp($_);
   $_=~/\d+\s(.*)/;
   $n=$1;
   if ($n eq $link){
    close(QUEUE);
    return(0);
   }
  }  
  close(QUEUE);
 }
 # проверка есть ли ссылка в списке уже полученных файлов    
 if (-e "received" && ((-s "received")!=0))
 {
  open(RECEIVED,"received");
  while (<RECEIVED>){
   chomp($_);
   if ($_ eq $link){
    close(RECEIVED);
    return(0);}
  }
  close(RECEIVED);
 }
 # если формат ссылки неправильный, возвращаем 0, чтобы загрузка не происходила
 if ($link=~/([EMAIL="|javascript:)/"]mailto:|javascript:)/[/EMAIL])
 {
  return(0);
 }
 
 # если в ссылке нет [url]http://,[/url] возвращаем 0, чтобы загрузка не происходила
 if ($link!~/http\:\/\//)
 {
  return(0); 
 }
 return(1); 
}
#################################################
# print_logfile(текст) - запись инфы в лог файл
#  
sub print_logfile
{
 my [EMAIL="$text=@_"]$text=@_[/EMAIL][0];
 my $time;
 my $hour; 
 my $min;
 my $sec;
 $time=scalar localtime;
 $time =~ /(\d+):(\d+):(\d+)/;
 $hour=$1, $min=$2, $sec=$3;
 
 open (LOGFILE, ">>logfile");
 print LOGFILE "$hour\:$min\:$sec ";
 print LOGFILE $text;
 
 close (LOGFILE);
}
1
30.09.2011, 23:40
IT_Exp
Эксперт
87844 / 49110 / 22898
Регистрация: 17.06.2006
Сообщений: 92,604
30.09.2011, 23:40
Помогаю со студенческими работами здесь

Скачивание файлов из интернета с прогресс-баром при использовании indy
Доброго времени суток, участники и гости форума. В моей программе мне нужно реализовать скачивание...

Скачивание из интернета
Как можно загрузить содержимое html странички с интернета?

Скачивание из интернета
Здравствуйте, помогите переделать кусок кода. Необходимо скачивание файла с сайта по прямой...

Скачивание из Интернета
Сделал программу для скачивания файлов из сети, но при работе она намертво зависает. Как отловить...


Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
3
Ответ Создать тему
КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin
Copyright ©2000 - 2024, CyberForum.ru