Discussion :

[mobscene]

Bonjour, j'ai récupéré un robot sur le forum je l'ai un peu arrangé a ma sauce en faisant le ménage dans le code.

Mon problème est une consommation mémoire excessive, le spider prend de plus en plus de ram , il est sans limite.

voici le code du robot en question

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
 
#!/usr/bin/perl -w
use strict;
use URI::URL;
use HTTP::Request;
use HTTP::Cookies;
use HTML::LinkExtor;
use HTTP::Response;
require LWP::UserAgent;
 
 # Ce robot est basé sur celui de Scaleo et Jedai
 # Code d'origine => http://<a href="http://www.developpez.net/forums/viewforum.php?f=83&sid=5f0e64c5db31ac7284b52f7530e0e2b3" target="_blank">http://www.developpez.net/forums/vie...b52f7530e0e2b3</a>
 
#===========================================================================#
#                          Début de la configuraton                         #
#===========================================================================#
 
$| = 1;
my @web;
 
my $VERSION = "RoBot-Exprerimental/0.1";
 
my $ua = LWP::UserAgent->new;
   $ua->agent('Mozilla/5.0 (compatible; RoBot-Exprerimental/0.1)');
   $ua->timeout(2);
   $ua->protocols_allowed( [ 'http' ] );
   $ua->protocols_forbidden( [ 'file', 'mailto', 'https', 'ftp', 'socks', 'gopher', 'wais' ] );
 
my $cookie_jar = HTTP::Cookies->new(
    file => 'robot_cookies.dat',
    autosave => 1,
  );
 
   $ua->cookie_jar($cookie_jar);
 
 
 
#===========================================================================#
#                               Log d'erreurs                               #
#===========================================================================#
 
BEGIN {
 
     use CGI::Carp qw(carpout);
     open(LOG, ">>/robots.log")
     or die "Unable to append to robots.log : $!\n";
     carpout(*LOG);
}
 
 
#===========================================================================#
#                               Le robot                                    #
#===========================================================================#
 
 robot(@ARGV);
 
{
  my %vus;
  my @avoir;
 
sub robot
{
 foreach my $url ( @_ )
 {
  next if defined $vus{$url};
  push(@avoir, $url);
 }
  return if $#avoir == -1;
 
 while (my $link = shift @avoir) {
 
  ++$vus{$link};
   my $verif_links = verif_link_format($link);
 
   if ( $verif_links == 1 ) {
 
        my $req = HTTP::Request->new('GET', $link);
 
           $req->header('Accept' => [ qw( text/html ) ] );
 
     my $res = $ua->request($req);
 
 
         if ($res->is_success) {
 
             my ($code, $base, $content_type);
 
                 $code = $res->content;
 
                 $base = $res->base;
 
                 $content_type = $res->content_type;
 
                     print "$code\n";
                     print "$link\n";
                     print "$content_type\n"; 
 
            my $p = HTML::LinkExtor->new(\&callback);
 
               $p->utf8_mode;  
 
               $p->parse($code);
 
                     @web = map { $_ = url($_, $base)->abs; } @web;
 
          robot(@web);         
 
     }
    }
   }
 }
}
 
 
 
#===========================================================================#
#                             Extraction des liens                          #
#===========================================================================#
 
sub callback {
     my($tag, %attr) = @_;
     return if $tag ne 'a';
     push(@web, values %attr);
}
 
 
 
#===========================================================================#
#                       Verification du format des liens                    #
#===========================================================================#
 
sub verif_link_format
{
 foreach my $link_format ( @_ )
 {
   if ( $link_format =~ m!^http://[_a-zA-Z0-9-]+\.[_a-zA-Z0-9-]+[.a-zA-Z0-9-]*(/~|/?)[/_.a-zA-Z0-9#?&=+-]*$!i) {
 
     return 1;
 
   }
    else
   {
 
     return 0;
 
   }
 }
}

J'ai aussie un autre problème qui est LWP::RobotUA quand je l'utilise a la place de LWP::UserAgent le spider devient super lent , pourtant je le parametre bien comme il faut.

mici de vos réponses !!!!

[mobscene]

personne ne veut m'aider .

J'ai un petit probleme que je ne m'explique pas j'ai changer la fonction qui permet de garantire l'unicité des liens par quelque chose de plus solide en Sql mais malgré que logiquement tout semble bon ben le robot produit des doublons

voici le code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
 
sub robot
{
 foreach my $url ( @_ )
 {
  my $verif_links = verif_link_format($url);
  if ( $verif_links == 1 ) {
      my $defined = sql_read($url);  #0 = introuvable, 1 = trouvé
  if ( $defined == 0 ) {
  push(@avoir, $url);
   }
    else {
     print "Link alreaday spidered\n";
   }
  }
   else {
   print "Bad link\n";
  }
 }
  return if $#avoir == -1;
 
 
 #while (my $link = shift @avoir) {
 
 #  ++$vus{$link};
  for (my $link = shift @avoir ) {
 
 
[...]
 
 
}
 
sub sql_read {
 my $mssql = shift;
   my $find; 
   my $sth = $dbh->prepare(" SELECT count(link) FROM content WHERE link=? ");
      $sth->execute($mssql); 
      $sth->bind_columns(\$find); 
   $sth->fetch(); 
   $sth->finish(); 
 return $find; 
}

Please Help mici

[mobscene]

J'ai laissé tourner le bot pour avoir un log d'erreur digne de ce nom , j'ai l'erreur

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Deep recursion on subroutine robot

j'ai trouvé l'explication suivante sur le net

W) Ce sous-programme s'est appelé lui-même (directement ou indirectement) 100 fois plus de fois qu'il a retourné une valeur. Cela indique probablement une récursion infinie, à moins que vous n'écriviez un étrange programme de benchmark, dans ce cas cela indique quelque chose d'autre.

Après pas mal d'essaie , je n'est pas réussie a trouver de solution .

A l'aide