Bug fix for relative links.
authorAdam Dickmeiss <adam@indexdata.dk>
Thu, 7 Jun 2001 08:10:10 +0000 (08:10 +0000)
committerAdam Dickmeiss <adam@indexdata.dk>
Thu, 7 Jun 2001 08:10:10 +0000 (08:10 +0000)
robot.tcl

index 5c2b518..fa3c595 100755 (executable)
--- a/robot.tcl
+++ b/robot.tcl
@@ -1,8 +1,8 @@
 #!/usr/bin/tclsh 
-# $Id: robot.tcl,v 1.16 2001/06/06 07:10:31 adam Exp $
+# $Id: robot.tcl,v 1.17 2001/06/07 08:10:10 adam Exp $
 #
 proc RobotFileNext1 {area lead} {
-    puts "RobotFileNext1 area=$area lead=$lead"
+    # puts "RobotFileNext1 area=$area lead=$lead"
     if {[catch {set ns [glob ${area}/*]}]} {
         return {}
     }
@@ -43,7 +43,7 @@ proc RobotReadRecord {inf fromurlx distancex} {
     gets $inf
     gets $inf
     set distance [string trim [gets $inf]]
-    puts "got distance = $distance"
+    # puts "got distance = $distance"
     gets $inf
     gets $inf
     set fromurl [string trim [gets $inf]]
@@ -52,7 +52,7 @@ proc RobotReadRecord {inf fromurlx distancex} {
 proc RobotFileNext {area} {
     global robotSeq global idleTime ns
 
-    puts "RobotFileNext robotSeq=$robotSeq"
+    # puts "RobotFileNext robotSeq=$robotSeq"
     if {$robotSeq < 0} {
        return {}
     }
@@ -87,27 +87,27 @@ proc RobotFileNext {area} {
 
 
 proc RobotFileExist {area host path} {
-    puts "RobotFileExist begin area=$area host=$host path=$path"
+    # puts "RobotFileExist begin area=$area host=$host path=$path"
     set lpath [split $path /]
     set l [llength $lpath]
     incr l -1
     set t [lindex $lpath $l]
     incr l -1
     set npath $area/$host[join [lrange $lpath 0 $l] /d]/f$t
-    puts "RobotFileExist end npath=$npath"
+    # puts "RobotFileExist end npath=$npath"
     return [file exists $npath]
 }
 
 proc RobotFileUnlink {area host path} {
-    puts "RobotFileUnlink begin"
-    puts "area=$area host=$host path=$path"
+    # puts "RobotFileUnlink begin"
+    # puts "area=$area host=$host path=$path"
     set lpath [split $path /]
     set l [llength $lpath]
     incr l -1
     set t [lindex $lpath $l]
     incr l -1
     set npath $area/$host[join [lrange $lpath 0 $l] /d]/f$t
-    puts "npath=$npath"
+    # puts "npath=$npath"
     set comp [split $npath /]
     set l [llength $comp]
     incr l -1
@@ -118,7 +118,7 @@ proc RobotFileUnlink {area host path} {
        if {![catch {glob $path/*}]} return
         exec rmdir ./$path
     }
-    puts "RobotFileUnlink end"
+    # puts "RobotFileUnlink end"
 }
 
 proc RobotFileClose {out} {
@@ -134,7 +134,7 @@ proc RobotFileOpen {area host path {mode w}} {
     if {![info exists workdir]} {
        return stdout
     }
-    puts "RobotFileOpen orgPwd=$orgPwd area=$area host=$host path=$path mode=$mode"
+    #puts "RobotFileOpen orgPwd=$orgPwd area=$area host=$host path=$path mode=$mode"
     if {[string compare $orgPwd $workdir]} {
         puts "ooops. RobotFileOpen failed"
        puts "workdir = $workdir"
@@ -203,7 +203,7 @@ proc RobotStart {} {
     global URL
     global robotsRunning robotsMax idleTime
   
-    puts "RobotStart"
+    # puts "RobotStart"
     while {1} {
         set url [RobotFileNext unvisited]
         if {![string length $url]} {
@@ -313,28 +313,31 @@ proc RobotHref {url hrefx hostx pathx} {
            set surl $dpart/$surl
        }
     }
-    set c [split $surl /]
-    set i [llength $c]
-    incr i -1
-    set path [lindex $c $i]
-    incr i -1
-    while {$i >= 0} {
-       switch -- [lindex $c $i] {
+    set surllist [split $surl /]
+    catch {unset path}
+    set pathl 0
+    foreach c $surllist {
+        switch -- $c {
            .. {
-               incr i -2
-               if {$i < 0} {
-                   set i 0
+               if {$pathl > 0} {
+                   incr pathl -1
+                   set path [lrange $path 0 $pathl]
                }
            }
-           . {
-               incr i -1
-           }
-           default {
-               set path [lindex $c $i]/$path
-               incr i -1
+            . {
+
+            }
+            default {
+               incr pathl
+                lappend path $c
            }
        }
     }
+    if {$pathl} {
+       set path [join $path /]
+    } else {
+       set path ""
+    }
     regsub -all {~} $path {%7E} path
     set href "$method://$host$path"
     puts "Ref href = $href"
@@ -429,7 +432,7 @@ proc RobotTextHtml {url out} {
             }
            puts $out {></meta>}
        } body {
-           regsub -all -nocase {<script.*</script>} $body {} abody
+           regsub -all -nocase {<script([^<]|(<!.*>))*</script>} $body {} abody
            regsub -all {<[^\>]+>} $abody {} nbody
            puts $out "<documentcontent>"
             puts $out $nbody
@@ -587,6 +590,10 @@ proc RobotTextPlain {url out} {
 proc Robot200 {url} {
     global URL domains
     
+    set out [RobotFileOpen raw $URL($url,hostport) $URL($url,path)]
+    puts -nonewline $out $URL($url,buf)
+    RobotFileClose $out
+
     set out [RobotFileOpen visited $URL($url,hostport) $URL($url,path)]
     puts $out "<zmbot>"
 
@@ -609,7 +616,7 @@ proc Robot200 {url} {
            }
        }
        text/plain {
-           RobotTextPlain $url $out
+           RobotTextPlain $url $out $outr
        }
        application/pdf {
            set pdff [open test.pdf w]
@@ -810,6 +817,17 @@ set idleTime 60000
 set i 0
 set l [llength $argv]
 
+# For testing only
+if {0} {
+    set url "http://www.sportsfiskeren.dk/sportsfiskeren/corner/index.htm"
+    set href "../../data/../../data2/newsovs.asp?Mode=5"
+
+    set URL($url,path) /sportsfiskeren/corner/index.htm
+    set URL($url,hostport) www.sportsfiskeren.dk
+    RobotHref $url href host path
+    exit 0
+}
+
 if {$l < 2} {
     puts {tclrobot: usage [-j jobs] [-i idle] [-c count] [-d domain] [url ..]}
     puts " Example: -c 3 -d '*.dk' http://www.indexdata.dk/"