搜索引擎

开发平台：

Perl

swishspider：源码内容

							#!/local/sparc/bin/perl
use LWP::UserAgent;
use LWP::RobotUA;
use HTTP::Request;
use HTTP::Status;
use HTML::LinkExtor;
if (scalar(@ARGV) != 2) {
    print STDERR "Usage: SwishSpider localpath urln";
    exit(1);
}
my $ua = new LWP::UserAgent;
$ua->agent( "SwishSpider" );
$ua->from( "ron@ckm.ucsf.edu" );
my $localpath = shift;
my $url = shift;
my $request = new HTTP::Request( "GET", $url );
my $response = $ua->simple_request( $request );
#
# Write out important meta-data.  This includes the HTTP code.  Depending on the
# code, we write out other data.  Redirects have the location printed, everything
# else gets the content-type.
#
open( RESP, ">$localpath.response" ) || die( "Could not open response file $localpath.response" );
print RESP $response->code() . "n";
if( $response->code() == RC_OK ) {
    print RESP $response->header( "content-type" ) . "n";
} elsif( $response->is_redirect() ) {
    print RESP $response->header( "location" ) . "n";
}
close( RESP );
#
# Write out the actual data assuming the retrieval was succesful.  Also, if
# we have actual data and it's of type text/html, write out all the links it
# refers to
#
if( $response->code() == RC_OK ) {
    my $contents = $response->content();
    open( CONTENTS, ">$localpath.contents" ) || die( "Could not open contents file $localpath.contentsn" );
    print CONTENTS $contents;
    close( CONTENTS );
    if( $response->header("content-type") eq "text/html" ) {
	open( LINKS, ">$localpath.links" ) || die( "Could not open links file $localpath.linksn" );
	$p = HTML::LinkExtor->new( &linkcb, $url );
	$p->parse( $contents );
	close( LINKS );
    }
}
sub linkcb {
    my($tag, %links) = @_;
    if (($tag eq "a") && ($links{"href"})) {
	my $link = $links{"href"};
	#
	# Remove fragments
	#
	$link =~ s/(.*)#.*/$1/;
	
	#
	# Remove ../  This is important because the abs() function
	# can leave these in and cause never ending loops.
	#
	$link =~ s/..///g;
	
	print LINKS "$linkn";
    }
}

						