Perl + MIME или как получить WEB страницу по почте

Для примера разберем, как выкачиваются все истории за день с сайта "Анекдоты из России" (http://www.anekdot.ru). Сайт постоянно обновляется, поэтому имеет смысл выкачивать все истории за вчера, там содержимое уже меняться не будет. Адрес нужной нам страницы строится следующим образом :

сайт анекдотов/an/an год месяц/o год месяц день.html

причем от года берутся только 2 последние цифры, а месяц и день дополняется до 2 символов нулями слева, если это необходимо.

Таким образом, страница http://www.anekdot.ru/an/an0206/o020629.html содержит все истории за 29 июня 2002 года.

Небольшое лирическое отступление для тех, кто только начал осваивать Perl.

Как скачать WEB страницу ?

require LWP::UserAgent; $ua = LWP::UserAgent->new;
$ua-> proxy(['http', 'ftp'], 'адрес прокси-сервера');
$req = new HTTP::Request('GET' => 'страница для скачивания');
if ($res->is_success)
{
$page = $res->content;
}

Как отправить письмо с прикрепленными файлами?

require MIME::Lite;
$msg = MIME::Lite->new( From =>'Ваш@Адрес.com', To =>'Адрес@Получателя.com', Subject =>'Тема сообщения', Type => 'multipart/related');
$msg->attach( Type =>'text/plain; charset=windows-1251', Data => текст письма);
$msg->attach( Type => 'image/gif', Path => путь к файлу, Filename =>'img.gif');
$msg->send();

Рассмотрим по шагам работу программы.

Определяем URL документа
Скачиваем содержимое WEB страницы
Ищем и скачиваем все содержащиеся на странице изображения
Меняем ссылки относительно документа на их абсолютное значение
Присоединяем внешние файлы CSS,JavaScript
Кодируем все изображения и собираем MIME объект
Отсылаем получившееся письмо по электронной почте

Техническую реализацию скрипта я буду описывать схематически, если что будет не понятно - смотрите исходник.

C ANEKDOT.RU все истории за вчера. Вычисляем дату - полночь вчерашнего дня. Дополняем дату нулями слева.

$sutki=24*60*60;
($tek_day,$tek_month,$tek_year)=(localtime)[3,4,5];
$in1=timelocal(0,0,0,$tek_day,$tek_month,$tek_year);
$in2=$in1-$sutki;
($tek_day,$tek_month,$tek_year)=(localtime($in2))[3,4,5];
$tek_month++; $tek_year+=1900;
if ($tek_month<10)
{
$tek_month="0".$tek_month
}
if ($tek_day<10)
{
$tek_day="0".$tek_day;
}
$an_year=substr($tek_year, 2, 2);

Страница для скачивания. Определяем адрес страницы согласно приведенного шаблона.

$url_page= "http://www.anekdot.ru/an/an".$an_year.$tek_month." /o".$an_year.$tek_month. $tek_day.".html";

Скачиваем содержимое страницы используя модуль LWP.

if ($url_page && $url_page=~/^(https?|ftp|file|nntp):///)
{
my $req = new HTTP::Request('GET' => $url_page);
my $res = $ua->request($req);
$gabarit = $res->content;
}

Подключаем внешний CSS и JavaScript. Тут все очень упрощенно показано, но разобраться можно - качаем файл со скриптами и подставляем его в нужное место HTML документа.

внешний CSS = ' "; документ HTML =~s/]*?)href="?([^" ]*)"?([^>]*)>/ внешний CSS /iegmx; внешний JavaScript = ' "; документ HTML =~s/]*)src="?([^" ]*js)"?([^>]*)>/ внешний JavaScript /iegmx;

Проходимся по всем ссылкам и меняем относительный путь на абсолютный. Необходимо это для того, чтобы нажав на ссылку в письме мы попадали именно туда, куда указывала ссылка с документа, размещенного в Инете.

my $analyseur = HTML::LinkExtor->new;
$analyseur->parse($gabarit);
my @l = $analyseur->links; foreach my $url (@l)
{
my $urlAbs = URI::WithBase->new($$url[2],$racinePage)->abs;
chomp $urlAbs;
if ( ($$url[0] eq 'a') && ($$url[1] eq 'href') && ($$url[2]) && (($$url[2]!~m!^http://!) && ($$url[2]!~m!^mailto:!)) )
{
$gabarit=~s/s href= ["']? $$url[2] ["']?/ href="$urlAbs"/gimx;
}
}

Выбираем из документа все изображения, скачиваем картинку, определяем тип и возвращаем ее, закодированную в MIME.

if ( ((lc($$url[0]) eq 'img') || (lc($$url[0]) eq 'src')) )
{
push(@mail, create_image_part($urlAbs));
}
if (lc($ur)=~/gif$/)
{
$type="image/gif";
}
elsif (lc($ur)=~/jpg$/)
{
$type = "image/jpg";
}
else
{
$type = "application/x-shockwave-flash";
}
my $res2 = $ua->request(new HTTP::Request('GET' => $ur));
$buff1=$res2->content;
$file_name = substr($ur,rindex($ur,"/")+1,length($ur));
# кодируем очередную картинку my
$mail = new MIME::Lite( Data => $buff1, Encoding =>'base64', 'Filename'=>$file_name);
$mail->attr('Content-type'=>$type); $mail->attr('Content-Location'=>$ur);

Создаем MIME объект, указываем от кого и кому письмо, тему сообщения. Если на странице изображений нет - тип сообщения text/html, если есть картинки - multipart/related.

$mail = new MIME::Lite 'From' => 'somebody@somewhere.com', 'To' => $to_email, 'Subject' => $url_page, 'Data' => $html; $mail->attr("Content-type" => $content_type);
if (@mail)
{
$mail->replace("Type" => "multipart/related");
# присоеденяем каждую картинку
foreach (@mail) {$mail->attach($_);
}
}

Отсылаем страницу по почте. Можно использовать SMTP или sendmail.

MIME::Lite->send('smtp', " адрес SMTP сервера ", Timeout=>60); $mail->send();

Выполнение программы.

Помещаем наш скрипт в каталог, откуда разрешено выполнение программ и делаем файл исполняемым

chmod 750 /usr/local/www/cgi-bin/html_on_email3.pl

Для того, чтобы окончательно все автоматизировать, вешаем наш скрипт на CRON. Для этого в файл /etc/crontab добавляем строчку

0 9 * * * root /usr/local/www/cgi-bin/html_on_email3.pl

и каждое утро в 9 часов читаем свежие анекдоты.

Для того, чтобы скрипт работал и в локальной сети необходимо установить соединение с Инетом и явно указать адреса прокси- и SMTP - сервера.

$ua->proxy(['http', 'ftp'], 'http://10.0.0.3:3128/'); MIME::Lite->send('smtp', "10.0.0.1", Timeout=>60);

В завершение хочу заметить, что все можно было написать и по-другому, более красиво. Но программа работает, а большего от нее и не требуется :-)

Исходник программы http://takiedela.narod.ru/press/html_on_email3.pl