- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我正在尝试用 python 编写一个网络代理。目标是访问像这样的网址: http://proxyurl/http://anothersite.com/
并查看 http://anothersite.com
的内容就像你平时一样。通过滥用 requests 库,我已经取得了不错的成绩,但这并不是 requests 框架的真正预期用途。我用 twisted 写了代理之前,但我不知道如何将它与我正在尝试做的事情联系起来。这是我目前所处的位置......
import os
import urlparse
import requests
import tornado.ioloop
import tornado.web
from tornado import template
ROOT = os.path.dirname(os.path.abspath(__file__))
path = lambda *a: os.path.join(ROOT, *a)
loader = template.Loader(path(ROOT, 'templates'))
class ProxyHandler(tornado.web.RequestHandler):
def get(self, slug):
if slug.startswith("http://") or slug.startswith("https://"):
if self.get_argument("start", None) == "true":
parsed = urlparse.urlparse(slug)
self.set_cookie("scheme", value=parsed.scheme)
self.set_cookie("netloc", value=parsed.netloc)
self.set_cookie("urlpath", value=parsed.path)
#external resource
else:
response = requests.get(slug)
headers = response.headers
if 'content-type' in headers:
self.set_header('Content-type', headers['content-type'])
if 'length' in headers:
self.set_header('length', headers['length'])
for block in response.iter_content(1024):
self.write(block)
self.finish()
return
else:
#absolute
if slug.startswith('/'):
slug = "{scheme}://{netloc}{original_slug}".format(
scheme=self.get_cookie('scheme'),
netloc=self.get_cookie('netloc'),
original_slug=slug,
)
#relative
else:
slug = "{scheme}://{netloc}{path}{original_slug}".format(
scheme=self.get_cookie('scheme'),
netloc=self.get_cookie('netloc'),
path=self.get_cookie('urlpath'),
original_slug=slug,
)
response = requests.get(slug)
#get the headers
headers = response.headers
#get doctype
doctype = None
if '<!doctype' in response.content.lower()[:9]:
doctype = response.content[:response.content.find('>')+1]
if 'content-type' in headers:
self.set_header('Content-type', headers['content-type'])
if 'length' in headers:
self.set_header('length', headers['length'])
self.write(response.content)
application = tornado.web.Application([
(r"/(.+)", ProxyHandler),
])
if __name__ == "__main__":
application.listen(8888)
tornado.ioloop.IOLoop.instance().start()
请注意,如果查询字符串中有 start=true,我会设置一个 cookie 来保留方案、netloc 和 urlpath。这样,然后命中代理的任何相对或绝对链接都使用该 cookie 来解析完整的 url。
使用此代码,如果您转到 http://localhost:8888/http://espn.com/?start=true
,您将看到 ESPN 的内容。但是,在以下站点上它根本不起作用:http://www.bottegaveneta.com/us/shop/ .我的问题是,最好的方法是什么?我目前的实现方式是稳健的,还是这样做有一些可怕的陷阱?如果它是正确的,为什么像我指出的那样某些网站根本不起作用?
感谢您的帮助。
最佳答案
我最近写了一个类似的网络应用程序。请注意,这是我的做法。我不是说你应该这样做。以下是我遇到的一些陷阱:
将属性值从相对更改为绝对
涉及的不仅仅是获取页面并将其呈现给客户。很多时候,您无法在没有任何错误的情况下代理网页。
Why are certain sites like the one I pointed out not working at all?
许多网页依赖于资源的相对路径,以便以格式良好的方式显示网页。比如这个图片标签:
<img src="/header.png" />
将导致客户端发出以下请求:
http://proxyurl/header.png
失败了。 'src' 值应转换为:
http://anothersite.com/header.png.
因此,您需要使用 BeautifulSoup 之类的内容来解析 HTML 文档。 ,遍历所有标签并检查以下属性:
'src', 'lowsrc', 'href'
并且相应地改变它们的值,这样标签就变成了:
<img src="http://anothersite.com/header.png" />
此方法适用于更多标签,而不仅仅是图像标签。 a、script、link、li 和 frame 是您应该更改的几个也是。
HTML 恶作剧
前面的方法应该能让你走得更远,但你还没有完成。
两者
<style type="text/css" media="all">@import "/stylesheet.css?version=120215094129002";</style>
和
<div style="position:absolute;right:8px;background-image:url('/Portals/_default/Skins/BE/images/top_img.gif');height:200px;width:427px;background-repeat:no-repeat;background-position:right top;" >
是使用 BeautifulSoup 难以访问和修改的代码示例.
在第一个示例中,有一个 css @Import 到一个相对 uri。第二个涉及内联 CSS 语句中的 'url()' 方法。
在我的情况下,我最终编写了糟糕的代码来手动修改这些值。您可能想为此使用正则表达式,但我不确定。
重定向
使用 Python-Requests 或 Urllib2,您可以轻松地自动跟踪重定向。只要记住保存新的(基本)uri 是什么;您将需要它来执行“将属性值从相对更改为绝对”操作。
您还需要处理“硬编码”重定向。比如这个:
<meta http-equiv="refresh" content="0;url=http://new-website.com/">
需要改成:
<meta http-equiv="refresh" content="0;url=http://proxyurl/http://new-website.com/">
基础标签
base tag指定文档中所有相对 URL 的基本 URL/目标。您可能想要更改该值。
终于完成了吗?
不。一些网站严重依赖 javascript 在屏幕上绘制内容。这些网站是最难代理的。我一直在考虑使用类似 PhantomJS 的东西或 Ghost获取和评估网页并将结果呈现给客户端。
也许我的source code能帮你。你可以以任何你想要的方式使用它。
关于python - 如何用 Python 编写 Web 代理,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16524545/
我是一名优秀的程序员,十分优秀!