Por que não consigo buscar páginas da Wikipédia com LWP::Simple?
Pergunta
Estou tentando buscar páginas da Wikipedia usando LWP::Simples, mas eles não vão voltar.Este código:
#!/usr/bin/perl
use strict;
use LWP::Simple;
print get("http://en.wikipedia.org/wiki/Stack_overflow");
não imprime nada.Mas se eu usar alguma outra página da web, digamos http://www.google.com
, Funciona bem.
Existe algum outro nome que eu deveria usar para me referir às páginas da Wikipedia?
O que poderia estar acontecendo aqui?
Solução
Aparentemente, a Wikipedia bloqueia solicitações LWP::Simple: http://www.perlmonks.org/?node_id=695886
Em vez disso, o seguinte funciona:
#!/usr/bin/perl
use strict;
use LWP::UserAgent;
my $url = "http://en.wikipedia.org/wiki/Stack_overflow";
my $ua = LWP::UserAgent->new();
my $res = $ua->get($url);
print $res->content;
Outras dicas
Você também pode simplesmente definir o UA no módulo LWP::Simple - basta importar a variável $ua e isso permitirá que você modifique o UserAgent subjacente:
use LWP::Simple qw/get $ua/;
$ua->agent("WikiBot/0.1");
print get("http://en.wikipedia.org/wiki/Stack_overflow");
Eu resolvi esse problema usando LWP:RobotUA
em vez de LWP::UserAgent
.Você pode ler o documento abaixo.Não há muitas diferenças que você deva modificar.
Porque a Wikipedia está bloqueando a string HTTP do agente do usuário usada por LWP::Simple.
Você receberá uma resposta "403 Forbidden" se tentar usá-lo.
Experimente o módulo LWP::UserAgent para contornar isso, definindo o atributo do agente.
Veja também os módulos CPAN relacionados ao Mediawiki - eles são projetados para acessar sites Mediawiki (dos quais a Wikipedia é um) e podem oferecer mais recursos do que o simples LWP.