网络爬虫｜接口测试｜另一种技术：使用 shell 命令获取资源

Posted 2021-04-24 软件测试资源站

概述

之前接口测试的时候，经常遇到从response中截取数据的情况，处理起来可能也相对简单一点。今天换个玩法，用shell命令获取头条个人主页文章。

命令如下：

$ curl https://www.toutiao.com/u/840c2172e2e3 |grep 'title' | awk -F '>' '{print $2}' | grep -v -e '</div' -e '</title' |awk -F '<' '{print $1}' 接口测试框架优化（三）---支持简单串接口使用charles筛选、修改请求与响应linux下mysql常用操作（学习笔记）随便写写最近的面试一些linux命令学习(二)--grep命令一些linux命令学习(一)windows下appium1.6排坑及安装基于python+appium+yaml安卓UI自动化测试分享接口测试框架优化（二）---主要代码

详述

实现这个目标，需要懂一些基础的命令

• curl

• grep

• awk

curl命令学习

curl命令是一个利用URL规则在命令行下工作的文件传输工具。它支持文件的上传和下载，所以是综合传输工具，但按传统，习惯称curl为下载工具。

目前我只get到了使用curl命令发送请求，暂时没有用来上传下载文件，所以不多做介绍。

输入 curl -h,可以看到使用帮助

$ curl -hUsage: curl [options...] <url> --abstract-unix-socket <path> Connect via abstract Unix domain socket --anyauth Pick any authentication method-a, --append Append to target file when uploading --basic Use HTTP Basic Authentication --cacert <file> CA certificate to verify peer against --capath <dir> CA directory to verify peer against-E, --cert <certificate[:password]> Client certificate file and password --cert-status Verify the status of the server certificate --cert-type <type> Certificate file type (DER/PEM/ENG) --ciphers <list of ciphers> SSL ciphers to use --compressed Request compressed response --compressed-ssh Enable SSH compression...

就我自己实际操作的几个介绍一下：

1.获取页面内容

curl https://www.toutiao.com/

不加任何选项使用 curl 时，默认会发送 GET 请求来获取链接内容

2.发送POST请求

curl -H "Content-Type: application/json" -X POST-d '{"uid": "10588666", "device_code": "", "count": 8, "op": 1, "page": 1, "content_type": [1,2,3,4], "skip_freq": 0, "exclude_docs": [], "is_wifi": 0, "is_videopage": 0, "region": 111, "register_timestamp":1519642955, "tk": "ACAWILmsfP5FV7JqM6knRK66w8j9Rqr0Aqk0NzUxNDk1MDg5NTIyNQ", "client_version":20826, "group":"exp_test_member00"}' http://localhost:2051/recommend

这边用到了3个参数

• H 定义请求头 header

• X 指定请求方式

• d 指定发送的数据

3.显示响应头

curl -I https://www.toutiao.com/u/840c2172e2e3

加了-I 参数，仅显示response header,结果如下

$ curl -I https://www.toutiao.com/u/840c2172e2e3 % Total % Received % Xferd Average Speed Time Time Time Current Dload Upload Total Spent Left Speed 0 0 0 0 0 0 0 0 --:--:-- --:--:-- --:--:-- 0HTTP/1.1 200 OKDate: Mon, 14 May 2018 13:05:15 GMTServer: TengineContent-Type: text/html; charset=utf-8X-Frame-Options: DENYX-XSS-Protection: 1; mode=blockX-Content-Type-Options: nosniffETag: W/"600753ffd703a50bfb60aca2580cddb0"Cache-Control: max-age=0, private, must-revalidateSet-Cookie: locale=zh-CN; path=/Set-Cookie: _m7e_session=406d79c64df9441d376f82b2; path=/; expires=Mon, 14 May 2018 19:05:15 -0000; secure; HttpOnlyX-Request-Id: 9813d0cf-a68e-492f-8d04-580b8e149af6X-Runtime: 0.129613Strict-Transport-Security: max-age=31536000; includeSubDomains; preloadX-Via: 1.1 PSfjqzdx7yx12:4 (Cdn Cache Server V2.0), 1.1 xinxiazai13:1 (Cdn Cache Server V2.0)Connection: keep-aliveX-Dscp-Value: 0

4.保存响应的内容

curl -o D:jianshu.html https://www.toutiao.com/u/840c2172e2e3

执行此命令，会在D盘根目录生成一个toutiao.html文件，如图：

curl命令还有其他用法，我这边由于暂时没有用到，所以没有进一步操作，感兴趣可以参考这篇文章学习一下

grep命令学习

关于grep命令，我上次学习了一次，这边就不多说了，可以参照我之前的学习笔记。

shell命令获取文章标题中用到grep的可能就是 -v -e 两个命令，相对还是比较简单的。

awk命令学习

awk我也是get到一点皮毛，没有很深入研究。大致工作流如下：

-F 分隔符划分域，，$0则表示所有域,$1表示第一个域,$n表示第n个域。默认域分隔符是"空白键" 或 "[tab]键".

举个例子：

D盘下新建一个文件，awk.txt。

执行命令：

$ nl awk.txt 1 root 1 name:001 2 cha 2 naaa:002 3 dong 3 nacc:003 4 fead 4 naic:004

如果只要显示行号

$ nl awk.txt |awk '{print $1}'1234

如果要显示：后面的内容

$ nl awk.txt |awk -F':' '{print $2}'001002003004

结束

使用shell获取头条主页文章，写法肯定不止这一种方法

$ curl https://www.toutiao.com/u/840c2172e2e3 |grep 'title' | awk -F '>' '{print $2}' | grep -v -e '</div' -e '</title' |awk -F '<' '{print $1}'

但是大致上思路是固定的:

• 将结果用grep 筛选出需要的，排除不需要的

• 再用awk分割选择自己需要的域即可。

期待后面，开发出更多关于shell的玩法。。。

---

程序爬虫抓取有用资源共享给大家

关注后，私信回复【资料包】获取如下内容，

测试资料、工具安装、Python、效率软件、自动化测试报告、梯子、微信群、测试框架 等

另外

「微软小冰」机器人，欢迎调戏。

回复「小冰」

或其它任意关键词即可

同时你们获取资料的方式更加智能，

回复你想要的任意资料名称

小冰都会给你找出来。

 

      另外再       

通知一件事

头条号内容注重分享互联网爬虫获取的各种资源。

头条号请点击「阅读原文」直达。

END