Question

我想通过点击“以csv格式下载文件”下载URL http://www.nseindia.com/content/equities/cmbhav.htm上提供的.zip文件。

如果右键单击“以csv格式下载文件”并选择复制链接位置，则URL模式将如下 http://www.nseindia.com/content/historical/EQUITIES/2012/MAR/cm23MAR2012bhav.csv.zip

我想写一个Perl脚本，它将从URL下载.zip文件。

以下代码无效

#!/usr/bin/perl
use warnings;
use strict;
use LWP::Simple;

my $url = 'http://www.nseindia.com/content/historical/EQUITIES/2012/MAR' ;
my $file = 'cm23MAR2012bhav.csv.zip'    ;
getstore($url, $file) ;

Answer 1

如果您需要更改用户代理但仍想使用LWP::Simple，则可以使用$ua导出：

use File::Basename;
use LWP::Simple qw($ua getstore);
use URI;

my $url = URI->new( 'http://www.nseindia.com/content/historical/EQUITIES/2012/MAR/cm23MAR2012bhav.csv.zip' );

$ua->default_headers( HTTP::Headers->new(
    Accept => '*/*', 
    )
    );

$ua->agent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/534.54.16 (KHTML, like Gecko) Version/5.1.4 Safari/534.54.16");

my $rc = getstore( $url, basename( $url->path ) );
say "Result is $rc";

事实证明，用户代理字符串和Accept标头的组合将会这样做。通常，这些问题归结为使您的LWP请求看起来就像浏览器发送的请求一样。我使用HTTPScoop来观察浏览器事务，但是有很多程序会为你做同样的事情。

如果事情变得复杂，我赞成Mojo::UserAgent。这个交易更容易玩：

use File::Basename;
use Mojo::UserAgent;
use URI;

my $url = URI->new( 'http://www.nseindia.com/content/historical/EQUITIES/2012/MAR/cm23MAR2012bhav.csv.zip' );
my $file = basename( $url->path );
printf "URL: %s\nFile: %s\n", $url, $file;

my $response = Mojo::UserAgent->new->name(
    '"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/534.54.16 (KHTML, like Gecko) Version/5.1.4 Safari/534.54.16"'
    )->get( $url->as_string, { Accept => '*/*' } )->res;

open my $fh, '>', $file or die "Could not open [$file]: $!";
print $fh $response->body;
printf "Status: %d\n", $response->code;

Answer 2

如果您使用

       print getstore($url, $file);

你看到你得到403错误（禁止）。

添加

尝试使用curl，似乎他们检查了用户代理，因此您不能使用LWP :: Simple，因为您必须将用户代理设置为真正的浏览器。

<强> ADD2

以下作品

#! /usr/bin/perl -w use warnings; use strict; use LWP::UserAgent; my $url = 'http://www.nseindia.com/content/historical/EQUITIES/2012/MAR/cm23MAR2012bhav.csv.zip'; #my $file = 'cm23MAR2012bhav.csv.zip'; #my $url = 'http://localhost:11000'; my $ua = LWP::UserAgent->new; $ua->agent("Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3 (FM Scene 4.6.1)"); my $req = HTTP::Request->new(GET => $url); $req->header(Accept => "*/*"); # $req->remove_header('Connection'); # does not work # $req->remove_header('TE'); # does not work my $res = $ua->request($req); if ($res->is_success) { print $res->content; } else { print $res->status_line, "\n"; }

标题TE和连接不会被行remove_header删除，因为它们是在协议级别插入的，因此删除它们是一个不同的过程（我不知道）。

无论如何，这足以让它发挥作用。

（编辑我在UserAgent字符串中有一个最终空格，这导致LWP添加libwww-perl，这就是服务器提供403的原因

重要提示

您必须重定向输出，或者更改一些代码以将内容保存到文件中。另请注意，要下载zip，您必须为其提供正确的URL，而不是包含zip链接的页面的URL。

如何使用Perl Script从Web URL下载.zip文件？

2 个答案: