使用OpenUri，如何获取重定向页面的内容？

Question

我想从此页面获取数据：

http://www.canadapost.ca/cpotools/apps/track/personal/findByTrackNumber?trackingNumber=0656887000494793

但是该页面转发到：

http://www.canadapost.ca/cpotools/apps/track/personal/findByTrackNumber?execution=eXs1

因此，当我从 OpenUri 使用 open 来尝试获取数据时，它会抛出 RuntimeError错误说 HTTP 重定向循环：

我不太确定在重定向并抛出该错误后如何获取该数据。

Answer 1

您需要一个像 Mechanize 这样的工具。从它的描述来看：

Mechanize 库用于
与网站的自动化交互。
机械化自动存储和
发送cookie，遵循重定向，可以
点击链接并提交表格。形式
可以填充并提交字段。
Mechanicalize 还跟踪
您访问过的网站
历史。

这正是您所需要的。 ，

sudo gem install mechanize

那么

require 'mechanize'
agent = WWW::Mechanize.new
page = agent.get "http://www.canadapost.ca/cpotools/apps/track/personal/findByTrackNumber trackingNumber=0656887000494793"

page.content # Get the resulting page as a string
page.body # Get the body content of the resulting page as a string
page.search(".somecss") # Search for specific elements by XPath/CSS using nokogiri

你就准备好摇滚了。

Answer 2

该网站似乎正在使用会话执行一些重定向逻辑。如果您不发回他们在第一个请求中发送的会话 cookie，您将最终陷入重定向循环。恕我直言，这对他们来说是一个蹩脚的实施。

然而，我试图将cookies传回给他们，但我没有让它发挥作用，所以我不能完全确定这就是这里发生的一切。

Answer 3

虽然机械化是一个很棒的工具，但我更喜欢“烹饪”自己的东西。

如果您认真对待解析，可以看一下这段代码。它每天都会在国际范围内爬行数千个网站，据我研究和调整，没有更稳定的方法可以让您以后根据自己的需求进行高度定制。

require "open-uri"
require "zlib"
require "nokogiri"
require "sanitize"
require "htmlentities"
require "readability"

def crawl(url_address)
self.errors = Array.new
begin
  begin
    url_address = URI.parse(url_address)
  rescue URI::InvalidURIError
    url_address = URI.decode(url_address)
    url_address = URI.encode(url_address)
    url_address = URI.parse(url_address)
  end
  url_address.normalize!
  stream = ""
  timeout(8) { stream = url_address.open(SHINSO_HEADERS) }
  if stream.size > 0
    url_crawled = URI.parse(stream.base_uri.to_s)
  else
    self.errors << "Server said status 200 OK but document file is zero bytes."
    return
  end
rescue Exception => exception
  self.errors << exception
  return
end
# extract information before html parsing
self.url_posted       = url_address.to_s
self.url_parsed       = url_crawled.to_s
self.url_host         = url_crawled.host
self.status           = stream.status
self.content_type     = stream.content_type
self.content_encoding = stream.content_encoding
self.charset          = stream.charset
if    stream.content_encoding.include?('gzip')
  document = Zlib::GzipReader.new(stream).read
elsif stream.content_encoding.include?('deflate')
  document = Zlib::Deflate.new().deflate(stream).read
#elsif stream.content_encoding.include?('x-gzip') or
#elsif stream.content_encoding.include?('compress')
else
  document = stream.read
end
self.charset_guess = CharGuess.guess(document)
if not self.charset_guess.blank? and (not self.charset_guess.downcase == 'utf-8' or not self.charset_guess.downcase == 'utf8')
  document = Iconv.iconv("UTF-8", self.charset_guess, document).to_s
end
document = Nokogiri::HTML.parse(document,nil,"utf8")
document.xpath('//script').remove
document.xpath('//SCRIPT').remove
for item in document.xpath('//*[translate(@src, "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz")]')
  item.set_attribute('src',make_absolute_address(item['src']))
end
document = document.to_s.gsub(/<!--(.|\s)*?-->/,'')
self.content = Nokogiri::HTML.parse(document,nil,"utf8")
end