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;
}
}
} |
Partager