wget/curlが私のURLへのリダイレクトに従わない

wget/curlが私のURLへのリダイレクトに従わない

であればウェブサイト PDFダウンロード自動起動:https://magazines-static.raspberrypi.org/issues/full_pdfs/000/000/308/original/MagPi89.pdf?1576682030

full_pdfs/000/000/308私はMagPi誌に手紙を書いていましたが、次の数字308はランダムな数字であると説明しました。

簡単に言うと、ダウンローダの問題を解決する必要がありました。https://github.com/joergi/MagPiDownloader/issues/15すべての問題をコピーして貼り付ける必要はありません。だから自動フォローはいいと思います。

しかし、私が試したことはすべて:

curl -JLO https://magpi.raspberrypi.org/issues/89/pdf

そして

wget --user-agent=Mozilla --content-disposition -E -c https://magpi.raspberrypi.org/issues/80/pdf

百水。

答え1

ウェブサイトのHTMLを調べてみると」PDFダウンロード「リンクは、http-eqiv = "refresh」属性を持つメタ要素を使用して実際のリンクにリダイレクトされます。または、curl同じツールはwget標準を処理できます。httpリダイレクト、HTMLを解析または解釈しないため、このタイプのリダイレクトを処理できません。私たちはシェルを使用しているので、可能な解決策の1つは、curlページを使用またはダウンロードし、wgethtmlをフィルタリングすることによってhttp-eqiv="refresh"


サイトで新しいバージョンにアクセスできなくなったようです。https://www.raspberrypi.org/magpi-issues/(過去の問題#86なし)現在のスクリプトがどのように機能するか(つまり、本質的にPDFリンクの静的データベース)が直観に反しているようです。これ特別号ダウンロードスクリプトリストされているのと同じPDFが複数あるようです。https://magpi.raspberrypi.org/booksしかし、スクリプトには最新バージョンがありません。

だから、もっとダイナミックなスクリプトを作成しようとしました。見える/書籍&/質問利用可能/最新のコンテンツを確認してください。必要に応じて、次のいずれかを使用できます。zshgawk&​​を使用しますcurl

#!/usr/bin/env zsh
typeset -aU standard book ignore directory
typeset all latest list_books all_books baseurl="https://magpi.raspberrypi.org/"
setopt extendedglob
function books() {
    typeset -aU books filter minus
    typeset i
    >&2 echo "getting list of available books..."
    books=( $(2>/dev/null curl -fs ${baseurl}books | gawk -v 'RS=href="' -F '"' \
                                                    '$1 ~ /^[/]books[/][^/]*[/]pdf$/{split($1,a,"/"); print "books/"a[3]}') )
    if [[ -z $books ]]
    then
        >&2 echo "unable to find any books"
        return 0
    fi
    case $1 in
        (list)
            printf '\t%s\n' $books
            return 0
            ;;
        (all)
            >&2 echo "Attempting to download all the books, this may take a while ..."
            >&2 printf '\t%s\n' $books
            get_pdfs $books
            return 0
            ;;
        (*)
            for i in $@
            do
                case $i[1] in
                    (-)
                        minus+=( ${(M)books:#*${i:1}*} )
                        books=( ${books:#*${i:1}*} )
                    ;;
                    (*)
                        filter+=( ${(M)books:#*$i*} )
                    ;;
                esac
            done
            if [[ -z $filter && -n $minus ]]
            then
                filter=( ${books:|minus} )
            else
                filter=( ${filter:|minus} )
            fi
            if [[ -z $filter ]]
            then
                >&2 echo "books: no matches found (try book:list)"
                return 0
            else
                >&2 printf '\t%s\n' $filter
                get_pdfs $filter
            fi
        ;;
    esac
}
function issues() {
    typeset -aU issues
    typeset max i
    >&2 printf '%s' "finding most recent issue # ..."
    if ! max=${(M)$(2>/dev/null curl -fs https://magpi.raspberrypi.org/issues | gawk -v 'RS=href="' -F '"' \
                                                                                '$1 ~ /^[/]issues.*[0-9]$/{a=$1;exit}
                                                                                END{if(a){print a} else{exit 1}}')%%[0-9]#}
    then
        >&2 echo "couldn't determine what number the latest issue is."
        return 1
    fi
    >&2 echo "it's $max"
    if [[ $1 = all ]]
    then
        >&2 echo "Attempting to download all the issues, this may take a while ..."
        get_pdfs issues/{1..$max}
        return 0
    fi
    if [[ -n $latest ]]
    then
        issues+="issues/$max"
    fi
    for i in $@
    do
        if [[ $i -le $max ]]
        then
            issues+="issues/$i"
        else
            >&2 echo "issues/$i is larger than $max, ignoring"
        fi
    done
    if [[ -z $issues ]]
    then
        >&2 printf '\t%s\n' "there are no issues to download"
        return 0
    fi
    >&2 printf '\t%s\n' $issues
    get_pdfs $issues
    return 0
}
function get_pdfs() {
    typeset url i
    for i in $@
    do
        if ! url=$(2>/dev/null curl -fs "$baseurl$i/pdf" | \
            gawk -v 'RS=http-equiv="[rR]efresh".*[0-9 ;]*[uU][rR][lL]=' -F '"' \
            '$1 ~ /^http.*[.]pdf/{a=$1;exit}
            END{if(a){print a} else{exit 1}}')
        then
            >&2 echo "unable to extract url for $i"
            continue
        fi
        if [[ -e ${directory:+$directory[-1]/}${${url##*/}%%\?*} ]]
        then
            >&2 echo "looks like $i was already downloaded to ${directory:+$directory[-1]/}${${url##*/}%%\?*}"
            continue
        fi
        curl -f --create-dirs -o ${directory:+$directory[-1]/}${${url##*/}%%\?*} $url
    done
}
if ! zparseopts -D 'd:=directory'
then
    return 1
fi
if [[ -z $@ ]]
then
    >&2 printf '\t%s\n' \
        "[-d DIRECTORY]" \
        "[NUMBER] ... download issue by number" \
        "[latest] download most recent issue" \
        "[all] download all issues" \
        "[book:list] list all books" \
        "[book:WORD] ... download books matching WORD" \
        "[book:-WORD] ... don't download books matching WORD" \
        "[book:all] download all books" \
        "... no args specified, nothing to do ... exiting"
    return 0
fi
if [[ -n $directory ]]
then
    if ! mkdir -p $directory[-1]
    then
        return 1
    fi
    >&2 echo "files will be saved in $directory[-1]"
fi
for (( i=1; i<=${#@}; i++ ))
do
    case ${@[i]} in
        (all) all=all ;;            #download all standard issues
        (latest) latest=1 ;;            #download most recent issue
        (book:list) list_books=list ;;  #print a list of books
        (book:all) all_books=all ;;     #download all books
        (book:[[:alnum:]-]##) book+=( ${@[i]#*:} ) ;;   #download matching books (or books not matching if book:- is used)
        ([0-9]##) standard+=${@[i]} ;;          #download standard issue by number
        (*) ignore+=${@[i]} ;;          #tell user about unused args
    esac
done
if [[ -n $list_books || -n $all_books || -n $book ]]    #book argument was specified - get books
then
    books ${list_books:-${all_books:-$book}}
fi
if [[ -n $standard || -n $latest || -n $all ]]      #issue args - get issues
then
    issues $all $standard
fi
if [[ -n $ignore ]]
then
    >&2 printf '\t%s\n' "the following arguments were ignored:" $ignore
fi
return 0

スクリプトの最後に、使用法を説明するいくつかの説明があります。

  • 有効な質問関連の引数は次のとおりです。latestまたはalla NUMBER– たとえば、範囲を指定するためにスクリプトを呼び出すときにシェル拡張を使用できます。 bash / zshから問題12〜15をダウンロードするには、{12..15}12〜15に拡張する必要があることを指定してください。
  • 有効な書籍関連パラメータにはbook:listbook:allまたはbook:WORD一致、除外book:-WORDなどがあります。book:{begin,-3rd}「Book 3」を除く「Beginner」シリーズの本がダウンロードされます。
  • -d DIR指定したディレクトリにファイルを出力するオプション
  • パラメーターのすべての組み合わせは有効でなければならず、無効なパラメーターは無視されます。
  • ダウンロードを再開せずに-C -オプションを最終コマンドに追加し、以前のファイル競合テストから削除するだけです。curlget_pdfs()continue

私が逃した部分があるかもしれません。使用に伴う責任はご自身にあります!


HTMLリダイレクトに従うためにカールを使用する例は、上記の関数にありますget_pdfs()

url=$(curl -fs <url_of_document_using_html_redirect> | \
    gawk -v \
    'RS=http-equiv="[rR]efresh" *content="[0-9 ;]*[uU][rR][lL]=' \
    -F '"' \
    '/^http/{print $1;exit}')

それから私達はダウンロードできるべきです"$url"

関連情報