Question

我正在尝试从首先要求验证码的网站自动收集链接。为此，我捕获验证码图像，以便可以在外部解决，然后将解决方案作为表单字段的一部分提交。不知怎的，它不起作用。我怀疑是一个cookie问题，但我不确定，如果有人能解决这个问题我会很感激。

这是代码。首先，我创建mech对象及其cookie jar：

$cookie_jar = HTTP::Cookies->new;
$agent = WWW::Mechanize->new(cookie_jar => $cookie_jar);
$agent->get("http://www.site.com/page.html");

我找到感兴趣的链接：

$link = $agent->find_link(tag => "a", text_regex => qr{regex});
$url = $link->url;
$agent->get($url);

在此阶段，该网站提供验证码。我提取图像并将其保存，以便人类可以解决，然后输入解决方案继续：

$captcha = $agent->find_image(url_regex => qr{captcha\.php});
$agent->get($captcha->url, ':content_file' => 'captcha.jpg');
print "Please solve captcha at http://my.own.site/captcha.jpg\n";
$agent->back;
print "Enter answer: ";
$solved = <>;

现在脚本已手动输入验证码解决方案，它可以通过提交表单继续：

$agent->form_with_fields('code');
$agent->set_fields(code => $solved, action => 'download');
$agent->submit;

然而，这不起作用。结果是页面再次询问验证码，而不是预期的页面，其中包含我之后的信息。

我想知道在保存验证码图像后，当我执行$ agent-＆gt;时，cookie是否会丢失/重置？

感谢任何提示！

Answer 1

您访问的网站很可能有一些方法可以检测并阻碍免费冲浪;这意味着，例如，返回一个或多个页面然后再转发。这通常是通过将每个页面的唯一ID相关联来完成的，这样当您提交两次ID时，很明显您会向后冲浪，然后再从那里继续前进。正如您所说，这与使用back。

有关

我想知道你真的需要去back。关键是下载代理的外部图像，以便不修改代理状态。您可以使用第二个代理或curl，因为您有图像的直接URL ...

Answer 2

我找到了一种更简单的方法来处理这个问题。这是：

使用网络浏览器访问该网站
解决验证码
打开生成的Cookie并记下sessionid
然后在脚本中，使用该sessionid设置cookie

像魅力一样。

$phpsessid = '4d93c8f247b49780';
$cookie_jar = HTTP::Cookies->new;
$agent = WWW::Mechanize->new(cookie_jar => $cookie_jar);
$agent->get($url);
$cookie_jar->clear;
$cookie_jar->set_cookie(undef, "SESSIONID", $sessionid, "/", $domain, undef, 1, 0, undef, 1);

Perl WWW :: Mechanize cookie问题

2 个答案: