/[safari]/get_book.sh
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /get_book.sh

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 1.1 by dpavlin, Sun Dec 14 19:11:30 2003 UTC revision 1.6 by dpavlin, Sat Jan 17 16:25:38 2004 UTC
# Line 1  Line 1 
1  #!/bin/sh  #!/bin/sh
2    
3  #export http_proxy=http://proxy.pliva.hr:8080  # proxy settings (same as in firebird)
4    ( ping proxy 2>&1 ) >/dev/null && export http_proxy=http://proxy:8080
5    # user agent (same as in firebird)
6    ua="Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.5) Gecko/20031225 Firebird/0.7"
7    
8    # wait between pages
9    export wait=120
10    
11    
12    if [ -z "$1" ] ; then
13            echo "Usage: $0 ISBN"
14            exit 1
15    fi
16    
17    if [ -e orig ] ; then
18            echo "orig directory found. Resume download? [Y/n]"
19            read ans
20            if [ "$ans" = "n" ] ; then
21                    exit 1;
22            fi
23            mv orig/* .
24            rm -Rf orig
25    
26  #isbn="0-201-41975-0"          grep -l 'promo.asp' * | xargs -i rm -v {}
27  isbn="0-672-32240-4"  fi
28    
29  wait=10  isbn=$1;
30    
31  isbn2=`echo $isbn | sed 's/-//g'`  isbn2=`echo $isbn | sed 's/-//g'`
32    
33  function mirror() {  function mirror() {
34    
35            url="$1"
36    
37            file=`echo $url | sed -e s,http://[^?]*?,index.html?, -e s,#.*$,, -e s,/,%2F,g`
38            if [ -e "$file" ] ; then
39    #               echo "skip $url"
40                    return
41            fi
42    
43            if echo $url | grep '/index' >/dev/null ; then
44                    cookies=""
45                    echo -n "no login (index) "
46            elif echo $url | grep 'mode=toc' >/dev/null ; then
47                    cookies=""
48                    echo -n "no login (toc) "
49            else
50                    cookies="--load-cookies=/home/dpavlin/.phoenix/default/g6b45nt6.slt/cookies.txt"
51                    echo -n "with login "
52            fi
53            echo $url
54    
55          wget -p -nH -nc -k \          wget -p -nH -nc -k \
56                  --random-wait --wait=$wait -t 0 \                  -t 1 -U "$ua" \
57                  --load-cookies=/home/dpavlin/.phoenix/default/g6b45nt6.slt/cookies.txt \                  $cookies $url
                 -U "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.5) Gecko/20031206 Firebird/0.7" \  
                 $1  
58    
59  #       -D safari.oreilly.com \  #       -D safari.oreilly.com \
60  #       -A 0-201-41975-0 \  #       -A 0-201-41975-0 \
61    
62            perl -e '$t=rand($ENV{wait} || 30);print "sleep for $t sec.\n"; sleep($t);'
63  }  }
64    
65  function geturl() {  function geturl() {
66          hindent -s $1 | grep $2 | grep -i href | grep mode=[st][eo]c | \          hindent -s $1 | grep -i href | grep mode=[st][eo]c | \
67          sed -e 's/^.*<a.*href="//i' \          sed -e 's/^.*<a.*href="//i' \
68                  -e 's/".*//' -e 's/amp;//g' \                  -e 's/".*//' -e 's/amp;//g' \
69                  -e 's,^[^\?]*\?,http://safari.oreilly.com/,' \                  -e 's,^[^\?]*\?,http://safari.oreilly.com/,' \
70                  -e 's/#$//' \                  -e 's/#$//' \
71                  -e 's/srchText=//' | \                  -e 's/\&srchText=//' \
72                  grep -v open=false | \                  -e 's/open=false/open=true/' | \
                 grep -v 'view=[A-Z].*%2F[^i]' | \  
                 grep -v 'view=[A-Z].*/[^i]' | \  
73                  grep '&s=1&b=1&f=1&t=1&c=1&u=1&r=&o=1' | \                  grep '&s=1&b=1&f=1&t=1&c=1&u=1&r=&o=1' | \
74                    grep $2 | \
75                    grep -v "$2/[0-9][0-9][0-9][0-9][0-9][0-9][0-9]" | \
76                  sort -u >> in                  sort -u >> in
77  }  }
78    
79  echo > in  function uniqurl() {
80  #mirror "http://safari.oreilly.com/?XmlId=$isbn"          mv in in.tmp
81            grep -v 'view=[A-Z]' in.tmp | sort -u > in
82            grep 'view=[A-Z].*/index' in.tmp | sort -u >> in
83    }
84    
85    function mirror_in() {
86            cat in | while read url ; do
87                    mirror "$url"
88                    #sleep $wait
89    
90                    if grep 'promo.asp' `ls -t index.html* | head -3` >/dev/null ; then
91                            echo "WARNING: safari seems to logout you as user. Aborting."
92                            exit 1
93                    fi
94    
95                    if grep -i '>Account locked<' `ls -t index.html* | head -3` >/dev/null ; then
96                            echo "WARNING: your safari account is locked. Aborting."
97                            exit 1
98                    fi
99    
100                    if grep -i 'session disabled' `ls -t index.html* | head -3` >/dev/null ; then
101                            echo "WARNING: your safari session is disabled. Aborting."
102                            exit 1
103                    fi
104            done
105    }
106    
107    echo -n > in
108    mirror "http://safari.oreilly.com/?XmlId=$isbn"
109    
110  echo "extract URLs from first page..."  echo "extract URLs from first page..."
111  geturl "index.html?XmlId=$isbn" $isbn  geturl "index.html?XmlId=$isbn" $isbn
112    uniqurl
113    
114  mirror "-i in"  mirror_in
115    
116  echo -n "extracting URLs [1]"  echo -n "extracting URLs [1]"
117  ls index.html* | while read file ; do  ls index.html* | while read file ; do
# Line 49  ls index.html* | while read file ; do Line 120  ls index.html* | while read file ; do
120  done  done
121  echo  echo
122    
123  sort -u in > in2  uniqurl
124    
125  mirror "-i in2"  mirror_in
126    
127  echo > in  echo -n > in
128  echo -n "extracting URLs [2]"  echo -n "extracting URLs [2]"
129  ls index.html* | while read file ; do  ls index.html* | while read file ; do
130          echo -n "."          echo -n "."
131          geturl $file $isbn          geturl $file $isbn
132  done  done
133    
134  sort -u in > in2  uniqurl
135    
136    mirror_in
137    
138    # convert links in html
139    bn=`basename $0`
140    dir=`echo $0 | sed "s/$bn$//"`
141    ls index.html* | xargs -i $dir/filter.pl {}
142    mkdir orig
143    mv index.html* orig/
144    
 mirror "-i in2"  

Legend:
Removed from v.1.1  
changed lines
  Added in v.1.6

  ViewVC Help
Powered by ViewVC 1.1.26