perl常问问题集--第七篇

王朝perl·作者佚名 2008-05-18

宽屏版字体: 小|中|大|超大

我的 CGI script可在指令列下执行但无法从浏览器执行。您能不能帮我修修看？

如何去除文章中的 HTML标签？

如何萃取 URLs？

如何从 user端上传资料？如何在另一台机器上开一个档案？

如何在 HTML中做 pop-up menu（跳出式选单）？

如何抓 HTML档案？

如何解开或产生 Web上那些冠 %的码？

如何【将 requests】转向到另一页去？

如何替网页加上密码？

要怎麽用 Perl来编辑 .htpasswd和 .htgroup这两个档案？

如何防范使用者藉由填我的 CGI表格来做坏事？

如何解读、萃取 email标头资料？

如何解译 CGI表格？

如何验证 email位址？

如何解 MIME/BASE64字串？

如何根据使用者帐户名称自动合成 email位址？

我的程式如何送／读 email？

如何找出我的主机名／网域名／IP位址？

如何抓新闻讨论群的文章或群组名录？

如何抓／丢 FTP档案？

如何用 Perl做 RPC？

作者及版权事宜

--------------------------------------------------------------------------------

篇名

perlfaq9 -网路连线（原文版 Revision: 1.16, Date: 1997/04/23 18:12:06. 中文版 $Revision: 1.13 $, $Date: 1997/07/12 20:44:25 $）

--------------------------------------------------------------------------------

概述

本篇涵盖网路连线、 Internet ，还有几个关於 WWW 的问题。

--------------------------------------------------------------------------------

我的 CGI script可在指令列下执行但无法从浏览器执行。您能不能帮我修修看？

当然，但您恐怕付不起雇我们的签约金 :-)

说真的，如果您能够先证明您已读过下列这几个 FAQs ，但遇到的问题并不单纯、非叁言两语即可回答的话，那麽您 post到 comp.infosystems.www.authoring.cgi上（如果是有关 HTTP 、 HTML ，或 CGI通信协定）的问题可能也会得到口气和缓而有用的答覆。表面上看似 Perl，但骨子里是 CGI之类的问题，如果 post到 comp.lang.perl.misc人家可能就不会这麽乐意地接受了。

几个实用的 FAQs 分别是：

http://www.perl.com/perl/faq/idiots-guide.html

http://www3.pair.com/webthing/docs/cgi/faqs/cgifaq.shtml

http://www.perl.com/perl/faq/perl-cgi-faq.html

http://www-genome.wi.mit.edu/WWW/faqs/www-security-faq.html

http://www.boutell.com/faq/

【译者】上面第叁份文件，Perl-CGI-FAQ的中译版可在 http://2Ti.com/cgi-bin/2T/perl/perl-cgi-faq-chi/ 处取得。最後一份（WWW FAQ）的中译版可自 http://www.acer.net/document/cwwwfaq/ 取得。

--------------------------------------------------------------------------------

如何去除文章中的 HTML标签？

最正确（尽管不是最快）的方法是使用 HTML::Parse模组（可由 CPAN取得，是所有写 Web程式者必备的 libwww-perl 套件的一部分）。

许多人尝试用简陋的正规表示式来解决这个问题，譬如说像 s///g，但这个式子在很多情况下会失败，因为要处理的字串可能会跨越断行字元，也可能含有被 quote【跳脱】的箭头号，或有 HTML comment出现；再加上一些疏忽，譬如，人们常忘了转换如 '"]*|(['"]).*?\1)*>//gs

如果您想要更完整的解法，请看叁部曲的 striphtml 程式， http://www.perl.com/CPAN/authors/Tom_Christiansen/scripts/striphtml.gz 。

--------------------------------------------------------------------------------

如何萃取 URLs？

一个快速但不完美的做法是

#!/usr/bin/perl -n00

# qxurl - tchrist@perl.com

print "$2\n" while m{

}gsix;

这个版本并不替相对式写法的 URLs 作调整，也不懂代换 bases【】，或如何处理 HTML comments、同时处理同一个标签里的 HREF和 NAME 属性，或接受 URL形式的参数。同时，它要比一个较「完整」、利用 LWP [libwww-perl]模组套件的解法，例如 http://www.perl.com/CPAN/authors/Tom_Christiansen/scripts/xurl.gz这个程式，快上一百倍。

--------------------------------------------------------------------------------

如何从 user端上传资料？如何在另一台机器上开一个档案？

如果是 HTML表格的话，您可以使用 multipart/form-data的编码格式。 CGI.pm（可自 CPAN取得）中的 start_multipart_form()这个 method 就是为此设计的，它和 startform()这个 method 是两回事。

--------------------------------------------------------------------------------

如何在 HTML中做 pop-up menu（跳出式选单）？

用和这两个标签。 CGI.pm模组（可由 CPAN取得）对这个 widget【此指跳出式选单这个介面成分】还有许多其他的介面成分都有支援【即有制作动态标签的函式】，其中有些是以巧妙模拟的方式达成。

--------------------------------------------------------------------------------

如何抓 HTML档案？

有一个方法是，如果您的系统上装有 lynx一类的文字模式的 HTML浏览器的话，那麽可以这麽做：

$html_code = `lynx -source $url`;

$text_data = `lynx -dump $url`;

收录在 CPAN里的 libwww-perl (LWP)模组则提供了更强的方法来做这件事。它不但可钻过 proxies，而且也不需要 lynx：

# print HTML from a URL

use LWP::Simple;

getprint "http://www.sn.no/libwww-perl/";;

# print ASCII from HTML from a URL

use LWP::Simple;

use HTML::Parse;

use HTML::FormatText;

my ($html, $ascii);

$html = get("http://www.perl.com/";);

defined $html

or die "Can't fetch HTML from http://www.perl.com/";;

$ascii = HTML::FormatText->new->format(parse_html($html));

print $ascii;

--------------------------------------------------------------------------------

如何解开或产生 Web上那些冠 %的码？

以下是一个解码的实例：

$string = "http://altavista.digital.com/cgi-bin/query?pg=q&;what=news&fmt=.&q=%2Bcgi-bin+%2Bperl.exe";

$string =~ s/%([a-fA-F0-9]{2})/chr(hex($1))/ge;

编码比较困难一点，因为您不能盲目地把所有非字母数字的字元 (\W)都一律转换成十六进位的跳脱码。很重要的是有特殊意义的字元，如 / 和 ? 便不可以转换。要做得正确，最简单的方法大概是使用现成的 URI::Escape模组，而不要重新发明轮子。这个模组是 libwww-perl 套件 (LWP)的一部分，可自 CPAN取得。

--------------------------------------------------------------------------------

如何【将 requests】转向到另一页去？

在您的回应中不要使用 Content-Type这个标头，相反地，用 Location: 这个标头。按正式规定，应当 URL: 才是正确的标头。因此 CGI.pm模组（可由CPAN取得）两个标头都送：

Location: http://www.domain.com/newpage

URI: http://www.domain.com/newpage

要注意的是，由於 servers采用「最高效率化」的运作方式，故在这些标头中如果使用相对式的 URLs可能会产生奇怪的後果。

--------------------------------------------------------------------------------

如何替网页加上密码？

不一定，要看情况。您需要读您 server的使用手册，或者查查看上头所列的几个 FAQs。

--------------------------------------------------------------------------------

要怎麽用 Perl来编辑 .htpasswd和 .htgroup这两个档案？

HTTPD::UserAdmin 和 HTTPD::GroupAdmin等模组为这些档案提供了统一的物件导向介面，尽管这些档案可能以各种不同的格式储存。这些资料库可能是纯文字格式、 dbm、Berkeley DB或任何 DBI相容的资料库驱动程式 (drivers)。 HTTPD::UserAdmin支援`Basic' 和 `Digest'这两个认证模式所用的档案。以下是一例：

use HTTPD::UserAdmin ();

HTTPD::UserAdmin

->new(DB => "/foo/.htpasswd")

->add($username => $password);

--------------------------------------------------------------------------------

如何防范使用者藉由填我的 CGI表格来做坏事？

阅读 CGI security FAQ，（可在 http://www-genome.wi.mit.edu/WWW/faqs/www-security-faq.html取得），还有 Perl CGI FAQ，在 http://www.perl.com/CPAN/doc/FAQs/cgi/perl-cgi-faq.html 。

简单一句话：使用 tainting（沾腥？）这项功能（详见 perlsec ）。它会让所有不在您的 script中、来路不明的资料（譬如， CGI参数）无法放到 eval 或 system等呼叫中使用。除了使用 tainting之外，绝对不要使用单一参数的方式下参数给 system()或 exec()，而应将欲执行的指令及其参数放在一个序列或阵列里面，再传给 system()或 exec()，这样便可避免 globbing【即被 shell先做解译】。

--------------------------------------------------------------------------------

如何解读、萃取 email标头资料？

如果您只需要一个「快而脏」的解法的话，您可以试试这个从再版的 ``Programming Perl''第 222页中拿出来的例子：

$/ = '';

$header = ;

$header =~ s/\n\s+/ /g; #将延续行合并成单行

%head = ( UNIX_FROM_LINE, split /^([-\w]+):\s*/m, $header );

譬如说，您若想保留所有 Received栏位资料的话【因 Received栏位通常不止一个】，这个解法便不太行了。一个完整的解法是使用收录在 CPAN的 Mail::Header模组（ MailTools 套件的一部分）。

--------------------------------------------------------------------------------

如何解译 CGI表格？

很多人忍不住要自己写程式来处理这部分的工作，所以您们大概都看过一大堆其中有 $ENV{CONTENT_LENGTH} 和 $ENV{QUERY_STRING}的程式码。没错，这麽写是可以行得通，但事实上也有很多在网路上出没的这类程式根本不能用！

请不要忍不住去重新发明轮子【译者：这是英文的说法 (reinventing the wheels)，也就是浪费时间做人家做过的事的意思】。请改用 CGI.pm或 CGI_Lite.pm（可自 CPAN取得）。如果您被困在无模组的 perl1 .. perl4的土地上，您可以试看看 cgi-lib.pl（可至 http://www.bio.cam.ac.uk/web/form.html取得）。

--------------------------------------------------------------------------------

如何验证 email位址？

无法度。

如果没有寄封信到一个位址去试试看它会不会弹回来（即使是这麽做您还得面对停顿的问题），您是无法确定一个位址是否真的存在的。即使您套用 email 标头的标准规格来做检查的依据，您还是有可能会遇到问题，因为有些送得到的位址并不符合 RFC-822（电子邮件标头的标准）的规定，但有些符合标准的位址却无法投递。

许多人试图用一个简单的正规表示式，例如 /^[\w.-]+\@([\w.-]\.)+\w+$/来消除一些通常是无效的 email位址。不过，这样做也把很多合格的位址给一起滤掉了，而且对测试一个位址有没有希望投递成功完全没有帮助，所以在此建议大家不要这麽做；不过您可以看看： http://www.perl.com/CPAN/authors/Tom_Christiansen/scripts/ckaddr.gz。这个 script真的彻底地依据所有的 RFC规定来做检验（除了内嵌式 comments外）,同时会排除一些您可能不会想送信去的位址（如 Bill Clinton【美国柯林顿总统】或您的 postmaster），然後它会确定位址中的主机名称可在 DNS中找得到。这个 script 跑起来不是很快，但至少有效。

不少 CGI scripts的作者使用另一个替代的方案：用一个简单的正规表示式，（如上头的那个）。如果一个位址能让这个式子对得上的话，那麽就接受这个位址。如果这个位址对不上这个式子的话，便再向使用者讯问，以确定她们填入的这个位址正确无误。

--------------------------------------------------------------------------------

如何解 MIME/BASE64字串？

MIME-tools套件（可自 CPAN取得）不但可处理这个问题而且有许多其他的功能。有了这个套件，解 BASE64码就变得像这麽容易：

use MIME::base64;

$decoded = decode_base64($encoded);

一个比较直接的解法是先做一点简单的转译，然後使用 unpack()这个函数的 ``u'' 格式：

tr#A-Za-z0-9+/##cd; #去除非 base64字元

tr#A-Za-z0-9+/# -_#; #转换成 uu码格式

$len = pack("c", 32 + 0.75*length); #计算长度字元

print unpack("u", $len . $_); # uu解码後 print

--------------------------------------------------------------------------------

如何根据使用者帐户名称自动合成 email位址？

在支援 getpwuid【UNIX系统呼叫】、 $add('From', 'gnat@frii.com');

$header->add('Subject', 'Testing');

$header->add('To', 'gnat@frii.com');

#制作本文

$body = 'This is a test, ignore';

#产生 mail物件

$mail = new Mail::Internet(undef, Header => $header, Body => \[$body]);

#送出

$mail->smtpsend or die;

--------------------------------------------------------------------------------

如何找出我的主机名／网域名／IP位址？

长久以来许多 code都很草率地直接呼叫 `hostname`这个程式来取得主机名。虽然这麽做很方便，但也同时增加了移植到其他平台上的困难。这是一个很典型的例子，在方便和可移植性之间作抉择，不论选哪一边，必须付出一些牺牲和代价。

Sys::Hostname这个模组（标准 perl发行的一部分）可用来取得机器的名字，然後您便可利用 gethostbyname()这个系统呼叫来找出该机的 IP位址了（假定您的 DNS 运作正常）。

use Socket;

use Sys::Hostname;

my $host = hostname();

my $addr = inet_ntoa(scalar(gethostbyname($name || 'localhost')));

至少在 Unix底下，取得 DNS网域名最简单的方法大概要算是直接从 /etc/resolv.conf这个档案里面找。当然，这麽做的前提是 resolv.conf这个档案的设定必须照惯例的格式，还有就是这个档案必先存在才行。

（Perl在非 Unix系统下尚需要一有效的方法来测出机器和网域名）

--------------------------------------------------------------------------------

如何抓新闻讨论群的文章或群组名录？

使用 Net::NNTP或 News::NNTPClient模组，两者皆可自 CPAN下载。这些模组让抓群组名录这类的差事变得这麽容易：

perl -MNews::NNTPClient

-e 'print News::NNTPClient->;new->list("newsgroups")'

--------------------------------------------------------------------------------

如何抓／丢 FTP档案？

LWP::Simple模组（可自 CPAN下载）可以抓，但不能丢档案。 Net::FTP模组（也可自 CPAN下载）虽比较复杂，但可用来丢、也能抓档案。

--------------------------------------------------------------------------------

如何用 Perl做 RPC？

有一个 DCE::RPC模组正在发展阶段（但尚未完成）。一旦完成後它会随着 DCE-Perl这个套件发行（可由 CPAN 下载）。至於 ONC::RPC这样的模组则还没听说有人在发展。

--------------------------------------------------------------------------------

作者及版权事宜

中译版着作权所有：萧百龄及两只老虎工作室。本中译版遵守并使用与原文版相同的使用条款发行。