Matlab - URLREAD2 - 用户代理和 Cookie

Question

我不知道如何让这个示例代码正常工作，我希望是否有人能够审查和评估我关于什么是错误的假设。

问题：我想使用 Matlab 访问受登录屏幕保护的网页。我可以使用 wget 并且它工作正常，但是正如我们所知，wget 不会加载页面中嵌入的 ajax/javascript 等。因此，我转而使用 Matlab File Exchange 提供的urlread2 函数。以后所有的例子都基于这个函数。

示例：

我正在尝试登录金融网站，但是在使用其他网站进行测试时，我得到了同样的错误。因此，对于我的示例，我将使用 fitbit.com。为了模仿浏览器的行为，我将以下组合标题传递给urlread2（我已拆分代码以便更容易看到我在做什么）：

value = 'https://www.fitbit.com';
header = http_createHeader('Host',value);
value = 'keep-alive';
header2 = http_createHeader('Connection',value);
value = '278';
header3 = http_createHeader('Content-Length',value);
value = 'max-age=0';
header4 = http_createHeader('Cache-Control',value);
value =     'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8';
header5 = http_createHeader('Accept',value);
value = 'https://www.fitbit.com';
header6 = http_createHeader('Origin',value);
value = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 Safari/537.36';
header7 = http_createHeader('User-Agent',value);
value = 'application/x-www-form-urlencoded';
header8 = http_createHeader('Content-Type',value);
value = 'https://www.fitbit.com/login';
header9 = http_createHeader('Referer',value);
value = 'gzip, deflate';
header10 = http_createHeader('Accept-Encoding',value);
value = 'en-US,en;q=0.8';
header11 = http_createHeader('Accept-Language',value);
%Generate a combined header as required by urlread2
combined_header = [header header2 header3 header4 header5 header6 header7 header8 header9 header10 header11];

定义了头信息后，我生成了所需的查询字符串（这是用于post操作的）：

queryString = 'email=myemail&password=mypassword&login=Log+In';  

最后，为urlread2 函数整合所有内容：

[output,extras] = urlread2('https://www.fitbit.com/login','post',queryString,combined_header);

以下响应嵌入在 HTML 中：

'The owner of this website (www.fitbit.com) has banned your access based on your browser''s signature (2659bb18cf10354e-ua21).'

可能的问题1：

很可能是我错误地传递了标题，但是当我通过 FireFox 模仿标题时，页面可以正常工作。对此的任何建议将不胜感激。

可能的问题2：

我认为问题可能出在 cookie 上，urlread2（也不是 Matlab 中的任何其他函数）支持 cookie。如果是这种情况，是否有人对如何解决这个问题有任何建议？

Answer 1

问题不在于您的用户代理。我能够通过尝试一些应该有效的用户代理值来验证这一点。相反，问题就是您所描述的问题 2。换句话说，CloudFlare 要求您的 HTTP 标头包含有效的 cookie 值/名称对。

这是 urlread2 输出的那行告诉我情况是这样的：

<div class="cf-alert cf-alert-error cf-cookie-error" id="cookie-alert" data- translate="enable_cookies">Please enable cookies.</div>

要查看 fitbit.com 使用的 cookie，请将查看 Cookie 插件添加到 Firefox。据我统计，登录页面设置了 36 个 cookie，我猜如果您至少缺少其中一些，您将被禁止进入。您可以做的一件事是从浏览器中获取 cookie 值，然后使用名称/值对手动将它们添加到 HTTP 标头，但最好让网站在 PHP 脚本中设置您的 cookie。这是一个 Stack Overflow 帖子，描述了它是如何工作的：How can I scrape website content in PHP from a website that requires a cookie login? 不容易，但绝对不是不可能的。如果您需要更多帮助，请告诉我。