Question

我对如何使这个示例代码工作感到茫然，我希望有人能够审查并评估我对错误的假设。

问题：我想使用Matlab访问受登录屏幕保护的网页。我能够使用wget并且它工作正常，但是正如我们所知，wget不会加载嵌入在页面中的ajax / javascript等。因此，我转向使用Matlab文件交换中提供的urlread2函数。此后，所有示例都基于此功能。

示例：

我正在尝试登录金融网站，但是在与其他网站进行测试后，我得到了同样的错误。因此，对于我的例子，我将使用fitbit.com。为了模仿浏览器的行为，我将以下组合标题传递给urlread2（我已经拆分了代码，以便更容易看到我在做什么）：

value = 'https://www.fitbit.com';
header = http_createHeader('Host',value);
value = 'keep-alive';
header2 = http_createHeader('Connection',value);
value = '278';
header3 = http_createHeader('Content-Length',value);
value = 'max-age=0';
header4 = http_createHeader('Cache-Control',value);
value =     'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8';
header5 = http_createHeader('Accept',value);
value = 'https://www.fitbit.com';
header6 = http_createHeader('Origin',value);
value = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 Safari/537.36';
header7 = http_createHeader('User-Agent',value);
value = 'application/x-www-form-urlencoded';
header8 = http_createHeader('Content-Type',value);
value = 'https://www.fitbit.com/login';
header9 = http_createHeader('Referer',value);
value = 'gzip, deflate';
header10 = http_createHeader('Accept-Encoding',value);
value = 'en-US,en;q=0.8';
header11 = http_createHeader('Accept-Language',value);
%Generate a combined header as required by urlread2
combined_header = [header header2 header3 header4 header5 header6 header7 header8 header9 header10 header11];

定义了头信息后，我生成了所需的查询字符串（这是用于后期操作）：

queryString = 'email=myemail&password=mypassword&login=Log+In';

最后，将所有内容汇总到urlread2函数：

[output,extras] = urlread2('https://www.fitbit.com/login','post',queryString,combined_header);

HTML中嵌入了以下响应：

'The owner of this website (www.fitbit.com) has banned your access based on your browser''s signature (2659bb18cf10354e-ua21).'

可能的问题1 ：

我可能错误地传入了标题，但是当我通过FireFox模仿标题时，页面正常工作。对此有任何建议将不胜感激。

可能的问题2 ：

我认为问题可能归结为cookie，urlread2（也不是Matlab中的任何其他功能）支持cookie。如果是这种情况，是否有人对如何解决这个问题有任何建议？

Answer 1

问题不在于您的用户代理。我能够通过尝试一些应该有效的用户代理值来验证这一点。相反，问题就是您所描述的问题2.换句话说，CloudFlare要求您的HTTP标头包含有效的cookie值/名称对。

这是urlread2输出的行，告诉我是这样的：

<div class="cf-alert cf-alert-error cf-cookie-error" id="cookie-alert" data- translate="enable_cookies">Please enable cookies.</div>

要查看fitbit.com正在使用的Cookie，请将查看Cookie插件添加到Firefox。根据我的统计，登录页面设置了36个cookie，我的猜测是，如果你至少缺少其中一些，你将被禁止进入。您可以做的一件事就是从浏览器中获取cookie值并手动将它们添加到具有名称/值对的HTTP标头中，但最好让网站在PHP脚本中设置您的cookie。这是一个Stack Overflow帖子，描述了它是如何工作的：How can I scrape website content in PHP from a website that requires a cookie login?不容易，但绝对不是不可能的。如果您需要更多帮助，请告诉我。

Matlab - URLREAD2 - 用户代理和Cookie

1 个答案: