一个开源项目中用到的bash shell脚本

请看系统鸟瞰图：

  因为笔者所在的地方并无可用的宽带和Wifi，所以暂且只能采用上图中的联网方法，使用ssh走手机GPRS流量的方法进行远程操作云风典藏官网的服务器,以完成所有任务。
  关于云风典藏的更多信息，请看文章《四个月的隐居和一个新的开源项目——云风典藏》。

第一步：SSH安全设置
  服务器现在由我们全部负责，远程登录的安全为重中之重。
  1.创建一普通用户，以后只使用此用户来远程登录系统；
  2.修改root密码；
  3.修改sshd的配置：

1 #vim sshd_config file
2 Port 1111
3 Port 33333
4 Port 47873
5 AllowUsers username 6 MaxAuthTries 2

  修改sshd的默认端口22，增加多个自定义端口，免得被人打扰而使得自己登不上服务器，只允许username用户通过sshd登录系统。
  修改完毕，保存，重启sshd。
 
第二步：开始面向目标服务器的抓取工作
  写好脚本，验证无误。

$nohup bash grab.sh &>grab.sh.log &

  使用nohup来免疫当父进程退出时发来的hangup信号，使得任务真正的能够后台运行，即使当前的ssh连接因为GPRS网络不稳定（经常会遇到）而意外中断，仍然不会影响到我们的grab任务。
  另外提醒一点，刚开始我使用并发数十个进程同时抓取目标（因为任务量很大，为了节约时间），最后才发现很多子任务都失败了，这肯定是因为对方的Web服务器设置了单个IP并行连接的限制而导致的，于是我更改为单进程抓取，出错率显著的降低了。
  这时候就可以去睡觉了，明天早上再看看grab日志有无异常。
  第二天早上，当任务完成后：

$ ls -Slr *html | more

  查看单个任务出错的情况。

$ find ./*html -size -5557c >error.list

  找到阈值，使用find将所有出错的任务文件名称打印到一个文件里。  

  第二次再专门针对出错的任务进行抓取，正常情况下出错的概率很低，所以这里的任务量就会很小。    

  如果有多个目标服务器的抓取任务的话，可以采用多个任务同时进行抓取的方法，因为很多时候，是对方服务器跟不上我们的请求，而非我们的网络带宽不够大。

 

第二步：对抓取到的html与小图片进行处理  

 find、sed、awk、grep这四把利器对于一般的文本处理要求毫无压力。

$grep -o '[一-龥]' 

  过滤出utf-8中的20902个汉字

$grep -oP 're'

  grep的-P即--perl-regexp，正则表达式的断言绝对好用 :)

#!/bin/bash
ls *html | while read i
do
    buf=`cat $i`
    echo $buf | while read j
    do
        #process......
    done
done

  将很多字符缓存到bash的变量中，有时候很方便 :) 

$ iconv -c -f utf-8 -t gbk

  windows默认gbk，而linux默认utf-8，所以上述命令很常用。
  其选项-c从输出中忽略无效的字符，如果不使用此选项当iconv遇到输入的非法字符时将会出错退出，导致文件流转码被中途腰斩。

$ 7za x -r dir.7z
$ 7za a -r ety.7z ety/

  当需要在linux与windows上来回传送文件时，中文的文件名很可能会乱码，原因已在上面阐述了。而7za默认能保存和转换文件名的编码，使得文件名乱码事件不会发生。另外，7z号称最强压缩算法，而且是免费的。

 

第三步：文件名称加密转码 请看下图：

  有时候我们并不想将我们的文件访问路径直接给用户，而是想转成一组无规律可循的编码表示，以防止用户进行迭代抓取(:也许还有其他原因:)
  这时候我们希望将完整的文件名路径如:

/img/hanzi/xiaozhuan/9053.gif

  单一可逆的映射到如   

/img/TI87980FHGJHK899B.gif

  的路径上，这时候就需要一些转换了 :)

   上述为关键详细过程，下面提供一个随机加密模组生成bash shell script:

#####隨機打散數組 随机打散数组
ara='0123456789aAbBcCdDeEfFgGhHiIjJkKlLmMnNoOpPqQrRsStTuUvVwWxXyYzZ'
while true 
do
    if [ -z "$ara" ]
    then 
        break
    fi
    b=$((RANDOM%62))
    #echo $b
    b="${ara:${b}:1}"
    #echo "<$b>"
    if [ -z "$b" ]
    then 
        continue
    fi
    ara=${ara/${b}/}
    echo $b
done | tr -d '\n'
echo ""
# output:$C8O1Fb0oPlkmzycSpZMuEtXBwgLnQUeHvArRDf67as9I5xJdWNjhi3TVGqK42Y

  上述算法思想很有趣，感兴趣的可以仔细看一下:)
  全部实现代码如下:

 1 function yunencode() {
 2 
 3   base64 | tr '0123456789aAbBcCdDeEfFgGhHiIjJkKlLmMnNoOpPqQrRsStTuUvVwWxXyYzZ' 'C8O1Fb0oPlkmzycSpZMuEtXBwgLnQUeHvArRDf67as9I5xJdWNjhi3TVGqK42Y' |
 4   sed 's|A|AA|g' | sed 's|+|AB|g' | sed 's|/|AC|g' | sed 's|=|AD|g' | \
 5   sed 's|.*$|&AE|g' | tr -d '\n'
 6 }
 7 
 8 
 9 function yundecode() {
10 
11     ###########
12     declare ycpre=""
13     declare ycnow=""
14     declare ycn=0
15     sed 's|.|&\n|g' | while read ycnow
16     do
17         #echo -n 1 $ycnow 1
18         #echo yun:$ycpre:ycnow
19         ycn=$((ycn+1))
20             #echo -n "$ycpre$ycnow"
21             if [ "$ycpre" = "A" ]
22             then
23               if [ "$ycnow" = "A" ]
24               then
25                   echo -n 'A'
26                   ycpre=''
27               elif [ "$ycnow" = "B" ]
28               then
29                   echo -n '+'
30                   ycpre=''
31               elif [ "$ycnow" = "C" ]
32               then
33                   echo -n '/'
34                   ycpre=''
35               elif [ "$ycnow" = "D" ]
36               then
37                   echo -n '='
38                   ycpre=''
39               elif [ "$ycnow" = "E" ]
40               then
41                 echo ""
42                 ycpre=''
43               else
44                   echo -n 'A'
45                 echo -n $ycnow
46                 ycpre=''
47                 fi
48             else
49                 if [ "$ycnow" = 'A' ]
50                 then
51                     ycpre='A'
52                 else
53                     ycpre=''
54                     echo -n $ycnow
55                 fi
56             fi
57         #echo ""
58     done | tr 'C8O1Fb0oPlkmzycSpZMuEtXBwgLnQUeHvArRDf67as9I5xJdWNjhi3TVGqK42Y'  '0123456789aAbBcCdDeEfFgGhHiIjJkKlLmMnNoOpPqQrRsStTuUvVwWxXyYzZ' \
59     | base64 -d
60 }
61 
62 
63 function yunencode0win() {
64     yunencode | sed 's|0|00|g' | sed 's|[a-z]|0&|g' | tr 'a-z' 'A-Z' 
65 }
66 
67 function yundecode0win() {
68     declare ycpre=""
69     declare ycnow=""
70     sed 's|.|&\n|g' | while read ycnow
71     do
72         if [ "$ycpre" = "0" ]
73         then
74             if [ "$ycnow" = "0" ]
75             then
76                 echo -n "0"
77                 ycpre=""
78             elif echo "$ycnow" | grep -Po '[A-Z]' &>/dev/null
79             then
80                 ycnow=` echo "$ycnow" | tr 'A-Z' 'a-z' `
81                 echo -n "$ycnow"
82                 ycpre=""
83             else
84                 echo -n "0"
85                 echo -n "$ycnow"
86                 ycpre=''
87             fi
88         else
89             if [ "$ycnow" = "0" ]
90             then
91                 ycpre='0'
92             else
93                 ycpre=''
94                 echo -n "$ycnow"
95             fi
96         fi
97     done | yundecode
98 }

View Code

  上述代码两次写成，所以很多都可以在进行速度优化的，比如yundecode0win对应的两个状态机可以简化为一个，不过逻辑稍微复杂些而已。
  yunencode0win与yundecode0win并没有实现DES3二进制加密的部分，因为使用管道配合openssl即可轻松实现：

$ dd if=a.bin | openssl des3 | yunencode0win  
$ echo 'yunencoded-msg' | yundecode0win | openssl des3 -d | dd of=a.bin.new

  这里有两把钥匙，一把是你的openssl password，一把是你的随机tr模板，如果你觉得一次DES3加密太过简单，你可以使用多轮多种加密算法辗转处理......

 

第四步：从远方的服务器上传文件到网络云盘

  使用bypy.py在服务器上upload文件到百度云盘，这是最后一步了。
  如果你想要加密你的文件：

$ dd if=v1.01.7z | openssl des3 | dd of=v1.01.7z.abc

  另外7z也支持加密压缩。

 

  感谢你花时间来阅读这篇文章！  

附录：

  《从VPS上传文件到百度网盘》、《四个月的隐居和一个新的开源项目——云风典藏》