【perl】使用LWP获取带cookie验证的HTTPS网页

最近想到公司网站下一些文档，结果网站上做了下载总大小限制，没办法只好写个脚本来获取。      

        运行环境1：Windows XP     StrawberryPerl 5.10 （ WIKI:http://win32.perl.org/wiki/index.php?title=Strawberry_Perl）

        运行环境2：Linux  perl 5.8.8

        抓包工具：

        HttpWatch Professional v6.0.14      IE插件

       Firefox上的Firebug和Live HTTP Headers插件，Chrome Web上的Developer Tools，我都试过，还是觉得httpwatch抓包的结果最满意。

       我之前登录网页，都是直接将要访问的连接贴到浏览器，然后浏览器会弹出对话框，要求输入帐号密码。

       这里，我需要抓一下包，之前我一直使用Firebug抓包，结果抓的都是GET消息，最后获取到状态为200的页面，以下就是网页内容 

< HTML >
< ! -- File: llgettz.html -- >
< SCRIPT Language ="Javascript1.2" >
function getTime()
{
var    llglogin_CurrentClientTime = new Date()
var    llglogin_year = ( llglogin_CurrentClientTime.getFullYear == null ) ? llglogin_CurrentClientTime.getYear() : llglogin_CurrentClientTime.getFullYear()
var    llglogin_month = llglogin_CurrentClientTime.getMonth() + 1
var    llglogin_date = llglogin_CurrentClientTime.getDate()
var    llglogin_hour = llglogin_CurrentClientTime.getHours()
var    llglogin_minute = llglogin_CurrentClientTime.getMinutes()
var    llglogin_second = llglogin_CurrentClientTime.getSeconds()
document.LoginForm.CurrentClientTime.value    = 'D/' + llglogin_year + '/' + llglogin_month + '/' + llglogin_date
document.LoginForm.CurrentClientTime.value += ':' + llglogin_hour + ':' + llglogin_minute + ':' + llglogin_second
document.LoginForm.submit()
}
</SCRIPT>
< BODY BGCOLOR ="#FFFFFF" BACKGROUND ="/img/pattern.gif" onLoad ="getTime()" >
< FORM NAME ="LoginForm" METHOD ="POST" ACTION ="/livelink/livelink.exe" >
< INPUT TYPE ="HIDDEN" NAME ="func" VALUE ="ll.login" >
< INPUT TYPE ="HIDDEN" NAME ="CurrentClientTime" VALUE="" >
< INPUT TYPE ="HIDDEN" NAME ="NextURL" VALUE ="/livelink/livelink.exe?Redirect=1" >
</FORM>
Your browser should have redirected you to the next
Livelink page.    Please click on the link below to
continue.
< BR > < BR >
< A HREF ="/livelink/livelink.exe?Redirect=1" >/livelink/livelink.exe?Redirect=1 </A>
</BODY>
</HTML>
< ! -- End File: llgettz.html -- >

我用LWP::UserAgent来GET的时候，也是只能获取到这一步。这步出现了一个奇怪的事情，同一份脚本，我在windows XP下运行时，可以获取到cookie，但是在linux服务器上运行，却没有cookie。

       事实上，从抓到包的结果中看，这里网站确实没有返回cookie。 cookie是在POST到login页面后，才返回的。 所以为什么windows下可以获取到cookie，我还没弄懂。      （我去CU，CSDN上都发帖问过，都没人回答，所以如果有人知道，希望不吝赐教。）

       用HttpWatch来抓包，结果这里面就能看到POST的动作，但是Firebug 和 Live HTTP Headers都没抓到这个动作。

       这时，浏览器执行了返回页面中的一段javascript。

< FORM NAME ="LoginForm" METHOD ="POST" ACTION ="/livelink/livelink.exe" >
< INPUT TYPE ="HIDDEN" NAME ="func" VALUE ="ll.login" >
< INPUT TYPE ="HIDDEN" NAME ="CurrentClientTime" VALUE="" >
< INPUT TYPE ="HIDDEN" NAME ="NextURL" VALUE ="/livelink/livelink.exe?Redirect=1" >
</FORM>

所以，脚本在初始化的时候，就是应该模拟发送POST消息，完成登录（前面的GET流程都不需要），然后保存cookie，接着就可以随意地get file or post file。

      

      

        以后需要登录网页后获取网站信息之类的，就只用照葫芦画瓢。

        还有一点要注意的，如果在访问HTTPS的时候，返回500错误，需要new UserAgent的时候加上ssl_opts => { verify_hostname => 0 }

#!/usr/bin/perl
package Livelink;
use LWP::UserAgent;
use MIME::Base64 qw(encode_base64);
use HTTP::Cookies;
my $Basic_Url = "https://wcdma-ll.app.alcatel-lucent.com/livelink/livelink.exe";

sub new
{
        my $invocant = shift;
        my $class = ref $invocant || $invocant;
        my $self = {
  login => shift,
  password => shift
        };

        bless $self, $class;
        $self->init();
        return $self;
}

sub init
{
        my $self = shift;
        $self->{browser} = LWP::UserAgent->new(ssl_opts => {verify_hostname => 0});
        #设置http代理
        $self->{browser}->proxy('http', 'http://135.251.33.31:80');

        #将用户名密码进行base64编码
        die "Error: Login NONE.\n" if (! $self->{login});
        die "Error: Password NONE.\n" if (! $self->{password});
        $self->{encode_login} = encode_base64($self->{login} . ":" . $self->{password});

        #模拟浏览器的header，我访问的网页比较特殊，请求头中带有Authorization字段来进行鉴权。
        #也可以通过credentials方法来登录
        my @headers = ('User-Agent' => 'Mozilla/5.0',
  Authorization => "Basic $self->{encode_login}",
        );

        #这里是LWP::UserAgent对象调用default_header函数，它具有全局性
        #即后面对网页请求时，都会带有@headers的信息
        #在后面的HTTP::Reques对象也有个header函数，使用方法跟default_header一样
        #但是它的header信息只在当前的请求中生效。
        $self->{browser}->default_header(@headers);

        $self->{cookie_jar} = HTTP::Cookies->new;
        #设置cookie，正如前面所描述的，LWP::UserAgent对象调用的方法，在后面每次网页请求中都生效
        $self->{browser}->cookie_jar( $self->{cookie_jar} );

        #根据上面讲到的那段JAVASCRIPT，来构造post消息中的content字段。
        my $content = {
  #             NextURL=>'/livelink/livelink.exe?Redirect=1',
  func=>'ll.login',
        };

        #这里用$self->{browser}->post比较简单
        #如果用$req = HTTP::Request->new(POST => $Basic_Url)来POST的话
        #在构造$req->content之前，还需指明$req->content_type
        #my $resp = $self->{browser}->post( $Basic_Url, Content => $content );
        my $req = HTTP::Request->new(POST => $Basic_Url);
        $req->content_type('application/x-www-form-urlencoded');
        $req->content('func=ll.login');
        my $resp = $self->{browser}->request($req);
        if ($resp->is_success)
        {
  print "Login Success.\n";
        }
        else
        {    
  print "Login Error.\n" . $resp->status_line . "\n";
  exit 1;
        }
}
sub get_web_content{    
        my $self = shift;
        my ($url) = @_;
        print "\tNow, processing $url\n";
        my $get_cookie = 1;
        while ($get_cookie)
        {
  #调用HTTP::Request对象，对网页进行GET请求
  #效果和$self->{browser}->get($url)一样，这里是为了后面打印$request->headers_as_string
  my $request = HTTP::Request->new('GET', $url);
  #default_header设置好后，这里就不需要重复调用了
  #$request->header(Authorization => "Basic $self->{encode_login}");
  my $response = $self->{browser}->request($request);

  $self->{cookie_jar}->extract_cookies($response);
  print "=== Cookies:\n", $self->{cookie_jar}->as_string, "\n";
  if ($response->is_success)
  {
         #打印响应码，请求头，响应头和响应内容    
         print "Login Success.\n** " . $response->status_line . " **\n";
         print "=== Request header: \n", $request->headers_as_string, "\n";
         print "=== Response header: \n", $response->headers_as_string, "\n";
         return $response->content;
         #访问成功后，即200 OK，就能获取到cookie值 $get_cookie = 0;
  }
  else    
  {    
         print "Login Error.\n** " . $response->status_line . " **\n";
         print $response->content . "\n";
         #如果发生网页重定向，将重组URL后继续访问    
         if ($response->status_line =~ /302/)    
         {
    my ($redirect_url) = ($response->content =~ m/<[aA] (?:[hH]ref|HREF)=\"(.*?)\"/g);
    print "\n=== redirect url is $redirect_url\n";
    if ($redirect_url=~ /http/)
    {    
            $url = $redirect_url;
            next;
    }
    else
    {
            #有的重定向链接只有后面一部分，需要调用URI->new_abs来将$response->base链接起来    
            $url = URI->new_abs($redirect_url, $response->base);
            next;
    }
         }
         exit 1;
  }
        }
}
sub get_file
{
        my $self = shift;
        my $object_id = shift;
        unless($object_id)    
        {
  die "$object_id is invalid id!";
        }
        my $ll_url = "$Basic_Url/open/$object_id";
        return $self->get_web_content($ll_url);
}

package main;
my $ll = new Livelink('username', 'password');
my $content = $ll->get_file('50967038');

open my $fh, '>', "myfile.html" or die "Can't open file, $!\n";
print $fh $content;
close $fh;