☰

Verwenden von wget zum Herunterladen von PDF-Dateien von einer Site, für die das Setzen von Cookies erforderlich ist

tag-icon • tag-icon pdf wget
Verwenden von wget zum Herunterladen von PDF-Dateien von einer Site, für die das Setzen von Cookies erforderlich ist

Ich möchte auf die Website einer Zeitung zugreifen und dort die E-Paper-Ausgaben (im PDF-Format) herunterladen. Auf der Website muss ich mich mit meiner E-Mail-Adresse und meinem Passwort anmelden und kann dann auf die PDF-URLs zugreifen.

Ich habe Probleme beim Einrichten meiner Sitzung inWget. Wenn ich mich über meinen Browser bei der Site anmelde, werden zwei Cookie-Werte gesetzt:

[email protected]
Password=12345

Ich habe es versucht:

wget --post-data "[email protected]&Password=12345" http://epaper.abc.com/login.aspx

Dabei wurde allerdings nur die Anmeldeseite heruntergeladen und lokal gespeichert.

Das FORMULAR auf der Anmeldeseite hat zwei Felder:

txtUserID
txtPassword

Und Radiobuttons wie diese:

<input id="rbtnManchester" type="radio" checked="checked" name="txtpub" value="44">

Ein weiterer Knopf:

<input id="rbtnLondon" type="radio" name="txtpub" value="64">

Wenn ich dies auf der Seite login.aspx poste, erhalte ich die gleiche Ausgabe

wget --post-data "[email protected]&txtPassword=12345&txtpub=44" http://epaper.abc.com/login.aspx

Wenn ich mache:

--save-cookies abc_cookies.txt

es scheint nichts anderes als den Standardinhalt zu haben.

Und wenn ich das letzte --debugauch mache, heißt es:

...
Set-Cookie: ASP.NET_SessionId=05kphcn4hjmblq45qgnjoe41; path=/; HttpOnly
...
Stored cookie epaper.abc.com -1 (ANY) / <session> <insecure> [expiry none] ASP.NET_SessionId 05kphcn4hjmblq45qgnjoe41
Length: 107253 (105K) [text/html]
Saving to: `login.aspx'
...
Saving cookies to abc_cookies.txt.

Allerdings zeigt abc_cookies.txt NUR Folgendes:

# HTTP cookie file.
# Generated by Wget on 2011-08-16 08:03:05.
# Edit at your own risk.

(Ich bin nicht sicher, warum ich keine Antworten auf Stack Overflow bekomme - vielleicht ist Super User eine bessere Site -Verwenden von Wget zum Herunterladen von PDF-Dateien von einer Site, für die das Setzen von Cookies erforderlich ist.)

BEARBEITEN 1

C:\Temp>wget --cookies=on --keep-session-cookies --save-cookies abc_cookies.txt --post-data "txtUserID=abc%40gmail.com&txtPassword=password&txtpub=44&chkbox=checkbox&submit.x=48&submit.y=7" http://epaper.abc.com/login.aspx --debug
SYSTEM_WGETRC = c:/progra~1/wget/etc/wgetrc
syswgetrc = C:\Program Files (x86)\GnuWin32/etc/wgetrc
DEBUG output created by Wget 1.11.4 on Windows-MinGW.

--2011-08-18 08:15:59--  http://epaper.abc.com/login.aspx
Resolving epaper.abc.com... seconds 0.00, 999.999.99.99
Caching epaper.abc.com => 999.999.99.99
Connecting to epaper.abc.com|999.999.99.99|:80... seconds 0.00, connected.
Created socket 300.
Releasing 0x00a2ae80 (new refcount 1).

---request begin---
POST /login.aspx HTTP/1.0
User-Agent: Wget/1.11.4
Accept: */*
Host: epaper.abc.com
Connection: Keep-Alive
Content-Type: application/x-www-form-urlencoded
Content-Length: 100

---request end---
[POST data: txtUserID=abc%40gmail.com&txtPassword=password&txtpub=44&chkbox=checkbox&submit.x=48&submit.y=7]
HTTP request sent, awaiting response...
---response begin---
HTTP/1.1 200 OK
Connection: keep-alive
Date: Thu, 18 Aug 2011 02:46:17 GMT
Server: Microsoft-IIS/6.0
X-Powered-By: ASP.NET
X-AspNet-Version: 2.0.50727
Set-Cookie: ASP.NET_SessionId=owcrje55yl45kgmhn43gq145; path=/; HttpOnly
Cache-Control: private
Content-Type: text/html; charset=utf-8
Content-Length: 107253

---response end---
200 OK
Registered socket 300 for persistent reuse.

Stored cookie epaper.abc.com -1 (ANY) / <session> <insecure> [expiry none] ASP.NET_SessionId owcrje55yl45kgmhn43gq145
Length: 107253 (105K) [text/html]
Saving to: `login.aspx.1'

100%[======================================================================================================================>] 107,253     24.9K/s   in 4.2s

2011-08-18 08:16:05 (24.9 KB/s) - `login.aspx.1' saved [107253/107253]

Saving cookies to abc_cookies.txt.
Done saving cookies.

C:\Temp>wget --referer=http://epaper.abc.com/login.aspx --cookies=on --load-cookies abc_cookies.txt --keep-session-cookies --save-cookies abc_cookies.txt http://epaper.abc.com/PagePrint/16_08_2011_001.pdf --debug
SYSTEM_WGETRC = c:/progra~1/wget/etc/wgetrc
syswgetrc = C:\Program Files (x86)\GnuWin32/etc/wgetrc
DEBUG output created by Wget 1.11.4 on Windows-MinGW.


Stored cookie epaper.abc.com -1 (ANY) / <session> <insecure> [expiry none] ASP.NET_SessionId owcrje55yl45kgmhn43gq145
--2011-08-18 08:16:12--  http://epaper.abc.com/PagePrint/16_08_2011_001.pdf
Resolving epaper.abc.com... seconds 0.00, 999.999.99.99
Caching epaper.abc.com => 999.999.99.99
Connecting to epaper.abc.com|999.999.99.99|:80... seconds 0.00, connected.
Created socket 300.
Releasing 0x00598290 (new refcount 1).

---request begin---
GET /PagePrint/16_08_2011_001.pdf HTTP/1.0
Referer: http://epaper.abc.com/login.aspx
User-Agent: Wget/1.11.4
Accept: */*
Host: epaper.abc.com
Connection: Keep-Alive
Cookie: ASP.NET_SessionId=owcrje55yl45kgmhn43gq145

---request end---
HTTP request sent, awaiting response...
---response begin---
HTTP/1.1 200 OK
Connection: keep-alive
Date: Thu, 18 Aug 2011 02:46:30 GMT
Server: Microsoft-IIS/6.0
X-Powered-By: ASP.NET
X-AspNet-Version: 2.0.50727
content-disposition: attachement; filename=Default_logo.gif
Cache-Control: private
Content-Type: image/GIF
Content-Length: 4568

---response end---
200 OK
Registered socket 300 for persistent reuse.
Length: 4568 (4.5K) [image/GIF]
Saving to: `16_08_2011_001.pdf'

100%[======================================================================================================================>] 4,568       7.74K/s   in 0.6s

2011-08-18 08:16:14 (7.74 KB/s) - `16_08_2011_001.pdf' saved [4568/4568]

Saving cookies to abc_cookies.txt.
Done saving cookies.

Inhalt von abc_cookies.txt

epaper.abc.com       FALSE   /       FALSE   0       ASP.NET_SessionId       owcrje55yl45kgmhn43gq145

Antwort1

Ich denke, Sie müssen verwenden, --keep-session-cookiesum Sitzungscookies beizubehalten, und nicht nur --save-cookies(Sie benötigen beides).

Im Grunde genommen

wget --keep-session-cookies --save-cookies ..... url

um sich anzumelden und Ihr Sitzungscookie abzurufen.

Dann

wget --load-cookie ...... url

um das PDF herunterzuladen.

Antwort2

Vielleicht hilft das. Die Site, bei der ich mich anmelden wollte, hatte einige versteckte Felder, die ich aufrufen musste, bevor ich mich erfolgreich anmelden konnte. Das erste Wget ruft also die Anmeldeseite ab, um die zusätzlichen Felder zu finden, das zweite Wget meldet sich bei der Site an und speichert die Cookies, das dritte verwendet diese Cookies dann, um die gewünschte Seite abzurufen.

#!/bin/bash

# get the login page to get the hidden field data
wget -a log.txt -O loginpage.html http://foobar/default.aspx
hiddendata=`cat loginpage.html | grep value | grep foobarhidden | tr '=' ' ' | awk '{print $9}' | sed s/\"//g`
rm loginpage.html

# login into the page and save the cookies
postData=user=fakeuser'&'pw=password'&'foobarhidden=${hiddendata}
wget -a log.txt -O /dev/null --post-data ${postData} --keep-session-cookies --save-cookies cookies.txt http://foobar/default.aspx

# get the page you're after
wget -a log.txt -O results.html --load-cookies cookies.txt http://foobar/lister.aspx?id=42
rm cookies.txt

Es gibt einige nützliche Informationen überdieses andereSO-Beitrag:

verwandte Informationen