Perl WWW：：机械化cookie问题

Question

我正试图自动化从一个网站的链接收集，要求验证码首先。为此，我捕获了验证码图像，以便可以在外部解决它，然后将解决方案作为表单域的一部分提交。不知何故，它不起作用。我怀疑是cookie问题，但我不确定，如果有人能解决这个问题，我将不胜感激。

下面是代码。首先，我创建了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");

我找到了感兴趣的链接：

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

在这个阶段，站点提供了验证码。我提取图像并保存它，这样人类就可以解决它，然后进入解决方案继续：

$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 = <>;

现在脚本已经手动输入了验证码解决方案，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，这并不起作用。结果是页面再次询问验证码，而不是我想要的带有信息的预期页面。

我想知道当我在保存验证码图像后执行$agent->back时，cookie是否丢失/重置？

谢谢你的任何提示！

Answer 1

我找到了一种更简单的方法来处理这个问题。这就是它：

1. 使用web浏览器访问站点
2. 解决验证码
3. 打开生成的cookie并记下会话in
4. 然后在脚本中，使用该会话in

设置cookie <>G29

就像一种护身符。

$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);

Answer 2

你正在访问的网站很可能已经有了一些方法来检测和阻碍自由浏览；这意味着，例如，返回一个或多个页面，然后再前进。这通常是通过将一个唯一的id关联到每个页面来实现的，这样当您两次提交id时，就可以清楚地看到您浏览回来，然后再从那里继续浏览。正如您所说，这与使用back有关。

我想知道的是，你是否真的需要去back。关键是将镜像下载到代理之外，这样代理状态就不会被修改。您可以使用第二个代理或curl，因为您有指向图像的直接URL…