我有以下代码：
use WWW::Mechanize;
$url = "http://daccess-ods.un.org/access.nsf/Get?Open&DS=A/HRC/WGAD/2015/28&Lang=E";
$mech = WWW::Mechanize->new();
$mech->get($url);
$content = $mech->content();
while ($content =~ m/<META HTTP-EQUIV="refresh" CONTENT="(\d+); URL=(.+?)">/) {
$refresh = $1;
$link = $2;
sleep $refresh;
$mech->get($link);
$content = $mech->content();
}
$mech->save_content("output.txt");
当我将分配给
$url的URL放在浏览器中时，最终的结果是下载PDF文件，但是当我运行上述代码时，我最终会得到一个不同的文件。我认为Mechanize可能无法正确处理cookies。我怎样才能让它工作？ 最佳答案
当您请求http://daccess-ods.un.org/access.nsf/Get?Open&DS=A/HRC/WGAD/2015/28&Lang=E时，首先会得到指向https的重定向。
然后你会得到一个带有META REFRESH的页面。这将在/TMP中为您提供一个文件。
在获取https://daccess-ods.un.org/TMP/xxx.xxx.html并跟随META REFRESH到https://documents-dds-ny.un.org/doc/UNDOC/GEN/G15/263/87/PDF/G1526387.pdf?OpenElement之后，它仍然不会下载文档，但会给出错误消息。
从浏览器检查标题的原因是，浏览器设置了三个cookie，而WWW：：Mechanize仅设置一个cookie：
citrix_ns_id=xxx
citrix_ns_id_u.un.org_u%2F_wat=xxx
LtpaToken=xxx
那么这些饼干是从哪里来的呢？结果发现TMP html有不止一个元刷新。它还有这个HTML：
<frameset ROWS="0,100%" framespacing="0" FrameBorder="0" Border="0">
<frame name="footer" scrolling="no" noresize target="main" src="https://documents-dds-ny.un.org/prod/ods_mother.nsf?Login&Username=freeods2&Password=1234" marginwidth="0" marginheight="0">
<frame name="main" src="" scrolling="auto" target="_top">
<noframes>
<body>
<p>This page uses frames, but your browser doesn't support them.</p>
</body>
</noframes>
</frameset>
此urlhttps://documents-dds-ny.un.org/prod/ods_mother.nsf?Login&Username=freeods2&Password=1234确实设置了这些cookies。
Set-Cookie: LtpaToken=xxx; domain=.un.org; path=/
Set-Cookie: citrix_ns_id=xxx; Domain=.un.org; Path=/; HttpOnly
Set-Cookie: citrix_ns_id_.un.org_%2F_wat=xxx; Domain=.un.org; Path=/
因此，通过更改代码来考虑这一点：
use strict;
use WWW::Mechanize;
my $url = "http://daccess-ods.un.org/access.nsf/Get?Open&DS=A/HRC/WGAD/2015/28&Lang=E";
my $mech = WWW::Mechanize->new();
$mech->get($url);
my $more = 1;
while ($more) {
$more = 0;
my $follow_link;
my @links = $mech->links;
foreach my $link (@links) {
if ($link->tag eq 'meta') {
$follow_link = $link;
}
if (($link->tag eq 'frame') && ($link->url)) {
$mech->follow_link( url => $link->url );
$mech->back;
}
}
if ($follow_link) {
$more = 1;
$mech->follow_link( url => $follow_link->url );
}
}
$mech->save_content("output.txt");
output.txt成功包含pdf。
$ file output.txt
output.txt: PDF document, version 1.5
关于html - 机械化不像浏览器那样处理Cookie，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35935911/