Napisałem skrypt bash, który pobiera dane wyjściowe ze strony internetowej za pomocą curl i wykonuje kilka operacji na ciągach na wyjściu html. Problem polega na tym, że uruchamiam go na witrynie, która zwraca dane wyjściowe spakowane gzipem. Przechodzenie do witryny w przeglądarce działa dobrze.

Kiedy uruchamiam curl ręcznie, otrzymuję dane wyjściowe spakowane gzipem:

$ curl "http://example.com"

Oto nagłówek z tej konkretnej witryny:

HTTP/1.1 200 OK
Server: nginx
Content-Type: text/html; charset=utf-8
X-Powered-By: PHP/5.2.17
Last-Modified: Sat, 03 Dec 2011 00:07:57 GMT
ETag: "6c38e1154f32dbd9ba211db8ad189b27"
Expires: Sun, 19 Nov 1978 05:00:00 GMT
Cache-Control: must-revalidate
Content-Encoding: gzip
Content-Length: 7796
Date: Sat, 03 Dec 2011 00:46:22 GMT
X-Varnish: 1509870407 1509810501
Age: 504
Via: 1.1 varnish
Connection: keep-alive
X-Cache-Svr: p2137050.pubip.peer1.net
X-Cache: HIT
X-Cache-Hits: 425

Wiem, że zwrócone dane są spakowane gzipem, ponieważ zgodnie z oczekiwaniami zwraca to html:

$ curl "http://example.com" | gunzip

Nie chcę potokować wyjścia przez gunzip, ponieważ skrypt działa tak, jak jest w innych witrynach, a przesyłanie potokiem przez gzip zepsułoby tę funkcjonalność.

Co próbowałem

1. zmiana agenta użytkownika (próbowałem użyć tego samego ciągu, który wysyła moja przeglądarka, „Mozilla / 4.0” itp.)
2. loki mężczyzna
3. wyszukiwarka Google
4. wyszukiwanie stackoverflow

Wszystko wyszło puste

Jakieś pomysły?

curlautomatycznie rozpakuje odpowiedź, jeśli ustawisz --compressedflagę:

curl --compressed "http://example.com"

--compressed (HTTP) Zażądaj skompresowanej odpowiedzi przy użyciu jednego z algorytmów obsługiwanych przez bibliotekę libcurl i zapisz nieskompresowany dokument. Jeśli ta opcja jest używana, a serwer wysyła nieobsługiwane kodowanie, curl zgłosi błąd.

Program gzip jest najprawdopodobniej obsługiwany, ale możesz to sprawdzić, uruchamiając curl -Vi wyszukując bibliotekę libz w wierszu „Funkcje”:

$ curl -V
...
Protocols: ...
Features: GSS-Negotiate IDN IPv6 Largefile NTLM SSL libz 

Zauważ, że to naprawdę ta witryna jest tutaj winna. Jeśli curlnie przekazał Accept-Encoding: gzipnagłówka żądania, serwer nie powinien był wysłać skompresowanej odpowiedzi.