2

我正在添加从需要使用带有身份验证的 HTTPS 连接的源中抓取 XML 页面的功能。我正在尝试使用 Ryan Bates 的 Railscast #190 解决方案，但遇到了 401 身份验证错误。

这是我的测试 Ruby 脚本：

require 'rubygems'
require 'nokogiri'
require 'open-uri'

url = "https://biblesearch.americanbible.org/passages.xml?q[]=john+3:1-5&version=KJV"
doc = Nokogiri::XML(open(url, :http_basic_authentication => ['username' ,'password']))
puts doc.xpath("//text_preview")

这是我运行脚本后控制台的输出：

/usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/net/http.rb:799:in `connect': SSL_connect returned=1 errno=0 state=SSLv3 read server certificate B: certificate verify failed (OpenSSL::SSL::SSLError)
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/net/http.rb:799:in `block in connect'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/timeout.rb:54:in `timeout'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/timeout.rb:99:in `timeout'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/net/http.rb:799:in `connect'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/net/http.rb:755:in `do_start'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/net/http.rb:744:in `start'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:306:in `open_http'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:775:in `buffer_open'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:203:in `block in open_loop'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:201:in `catch'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:201:in `open_loop'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:146:in `open_uri'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:677:in `open'
from /usr/local/rvm/rubies/ruby-1.9.3-p194/lib/ruby/1.9.1/open-uri.rb:33:in `open'
from scrape.rb:6:in `<main>'

在我的研究中，我看到一篇文章建议在 1.9.3 中可以使用以下选项：

doc = Nokogiri::XML(open(url, :http_basic_authentication => ['username' ,'password'], :ssl_verify_mode => OpenSSL::SSL::VERIFY_NONE))

但是，这也不起作用。我希望能对解决这一挑战有所了解。

4

3 回答 3

4

给定的 URL 将被重定向到/v1/KJV/passages.xml?q[]=john+3%3A1-5HTTP 状态代码302 Found。OpenURI 理解重定向，但出于安全原因自动删除身份验证标头（可能）。(*)

如果你"http://biblesearch.americanbible.org/v1/KJV/passages.xml?q[]=john+3%3A1-5"直接访问，你会得到预期的结果。:-)

(*) 您可以在以下位置找到open-uri.rb：

if redirect
  ### snip ###
  if options.include? :http_basic_authentication
    # send authentication only for the URI directly specified.
    options = options.dup
    options.delete :http_basic_authentication
  end
于 2012-12-07T15:17:56.380 回答
2

你可以这样做，它也应该工作：

open(url, :http_basic_authentication => [user, pass] ) doc = Nokogiri::HTML(open(url, :http_basic_authentication => [user, pass] ))

然后，您可以根据需要解析文档。通过在第二个请求中再次传递标头中的 http_basic_authentication，您将弥补第一个请求中已删除的标头。希望这对你有用。

http://http-basic-authentication-nokogiri.blogspot.com/2014/08/http-basic-authentication-using-nokogiri.html

于 2014-08-27T20:25:46.293 回答
1

你说你需要使用 HTTPS，但你使用的是 HTTP 协议：

url = "http://biblesearch...."

OpenURI 理解 HTTP 和 HTTPS。如果要使用 HTTPS 连接，请将 URL 中的协议更改为HTTPS，然后进行连接：

url = "https://biblesearch...."
于 2012-12-07T14:41:51.297 回答