Доброго времени суток.

बॅशमध्ये दुसरी स्क्रिप्ट लिहिणे पूर्ण केल्यावर, मला समजले की सर्वकाही पूर्णपणे भिन्न असले पाहिजे, परंतु सर्वकाही कार्य केले. समस्या सोडवण्यासाठी मी कोणते अश्लील आणि कुबड्या लिहिले आहेत हे मला दाखवायचे आहे, परंतु अद्याप ज्ञानाचा गाडा नाही. दुसऱ्या शब्दांत, प्रोग्रामिंगचे व्यंगचित्र.

उद्दिष्ट

यासाठी काहीतरी आवश्यक झाले:

• चौरस वगळता शब्दासाठी अनेक यमक प्रदर्शित केले
• दोन शब्दांच्या अनेक यमक ओलांडल्या

कशासाठी? बरं, ते आहे - आणि तेच आहे.
कोणाला माहित नाही, चौरस यमक (सामान्य भाषेत - एक चौरस) हे दोन शब्द आहेत ज्यांचे स्पेलिंगमधील शेवटचे दोन अक्षरे एकरूप होतात, ज्यामुळे (बहुतेकदा, ही एकमेव गोष्ट आहे) त्यांना यमक बनवते. उदाहरणार्थ, गुलाब फ्रॉस्टी आहेत; टायर - कार. आधुनिक पडताळणीमध्ये चौरसांचा वापर त्यांच्या आदिमतेमुळे विशेषतः लोकांकडून मंजूर नाही.

निर्णय

मला असे वाटले की बाशमध्ये एक स्क्रिप्ट लिहिणे हा सर्वात सोपा उपाय आहे जो आधीपासून अस्तित्वात असलेला यमक जनरेटर - HOST वापरतो, जो मुख्यतः स्पेलिंगद्वारे नव्हे तर व्यंजनानुसार निवडतो. कोणत्या प्रकारचे HOST? कारण जर तुम्ही साइटचे खरे नाव सूचित केले तर ते म्हणतील की ती जाहिरात आहे. ते वापरत का नाही? प्रथम, व्यंजनांवर आधारित यमक निवडण्याचा त्याचा फायदा असूनही, तो अजूनही अनेकदा चौरस तयार करतो. दुसरे म्हणजे, तुम्हाला अजूनही तुमच्या मेंदूने विचार करावा लागेल, टॅबमध्ये बदल करण्यात वेळ घालवावा लागेल आणि दोन शब्दांसाठी यमक शोधण्यासाठी याद्यांमधील वारंवार शब्द लक्षात ठेवण्याची उर्जा द्यावी लागेल.

मजबूत यमक मिळत आहे

मला काय माहित? मला उपयुक्ततेबद्दल माहिती आहे wget, जे निर्दिष्ट URL वर पृष्ठ डाउनलोड करते. ठीक आहे, चला विनंती कार्यान्वित करूया - आम्हाला एका फाईलमध्ये एक HTML पृष्ठ मिळेल ज्याला यमक शब्द आहे. उदाहरणार्थ, "येथे" हा शब्द शोधूया:

wget https://HOST/rifma/здесь

पण मला फक्त शब्दांची यादी हवी आहे, बाकी सर्व गोष्टींपासून माझी सुटका कशी होईल? आम्ही पाहतो आणि पाहतो की शब्दांची सूची फॉरमॅट केलेली आहे, ती कितीही विचित्र असली तरीही, सूचीच्या स्वरूपात, आणि शब्द टॅगमध्ये आहेत. बरं, आमच्याकडे एक उत्तम उपयुक्तता आहे. sed - हे असे लिहूया:

cat $word | grep '<li>' | sed -e "s%<li>%%" | sed -e "s%</li>%%" | sed -e "s/ //g" | sed -e "/^$/d" 1> $word

प्रथम, आम्ही टॅग असलेल्या शब्द फाइलमधून ओळी निवडतो - आम्हाला रिक्त टॅग आणि शब्दांसह ओळींचा समूह मिळतो. आम्ही टॅग स्वतः काढून टाकतो आणि तो बंद करतो - येथे स्लॅशऐवजी टक्के चिन्हे वापरली जातात कारण टॅगमध्ये आधीच स्लॅश आहे, म्हणूनच sed तुला थोडे समजत नाही. आणि व्याजासह सर्व काही ठीक आहे. आम्ही फाईलमधून सर्व जागा काढून टाकतो, रिकाम्या ओळी काढून टाकतो. व्होइला - शब्दांची तयार यादी.

शेवटच्या अक्षरांचा वापर करून यमक असलेले शब्द काढण्यासाठी, मूळ शब्दातील शेवटची दोन अक्षरे निवडा आणि यादी साफ करा:

squad=${word:((${#word}-2)):2}
cat $word | sed -e "/.$squad$/d" 1> $word

आम्ही पाहतो, प्रयत्न करतो - सर्वकाही कार्य करते... तर, "प्ले" शब्दाची यादी कुठे आहे? आणि "मी जात आहे" या शब्दासाठी? फाइल रिकामी आहे! आणि हे सर्व आहे कारण हे शब्द क्रियापद आहेत आणि जे क्रियापदांसह यमक करतात त्यांना ते काय करतात हे आम्हाला माहित आहे. क्रियापद यमक अगदी चौरस यमकापेक्षा वाईट आहे, कारण रशियन भाषेत सर्वाधिक क्रियापद आहेत आणि त्या सर्वांचा शेवट समान आहे, म्हणूनच शेवट तपासल्यानंतर ते अंतिम फाईलमध्ये नव्हते.

तथापि, आम्हाला कोणतीही घाई नाही. प्रत्येक शब्दासाठी केवळ यमकच नाहीत, तर संगती देखील आहेत, जे कधीकधी यमकापेक्षा खूप चांगले वाटतात - म्हणूनच ते अॅसोनन्स आहेत (फ्रेंच अॅसोनन्स, लॅटिन एसोनो - मी ट्यूनमध्ये आवाज करतो).

आम्‍हाला सुसंवाद मिळतो

येथूनच मजा सुरू होते: स्क्रिप्ट कार्यान्वित करून, HTTP विनंती पाठवून आणि प्रतिसाद प्राप्त करून, एका वेगळ्या URL वर आणि त्याच पानावर अॅसोनन्स दिसतात. मी कसे म्हणू शकतो wget'तुम्ही बटण दाबता का? पण मार्ग नाही. दुःखाने.

ओळीतील URL कसेतरी बदलत असल्याचे लक्षात आल्याने, मी अॅसोनन्सेसवर स्विच केल्यानंतर तेथे काय होते ते कॉपी केले आणि नवीन ब्राउझर टॅबमध्ये पेस्ट केले - मजबूत rhymes उघडले. ते नाही.

मूलत:, मला वाटले, सर्व्हरला विनंती पाठवणारी स्क्रिप्ट कार्यान्वित झाली की नाही किंवा ती व्यक्ती हाताने टाइप करते की नाही याने सर्व्हरला काही फरक पडत नाही. तर? कोणास ठाऊक, चला ते तपासूया.

कुठे पाठवायचे? काय पाठवायचे? सर्व्हर IP ला HTTP विनंती, GET सारखे काहीतरी आहे... नंतर काहीतरी HTTP/1.1 आहे... ब्राउझर काय आणि कुठे पाठवतो ते पाहणे आवश्यक आहे. स्थापित करा wireshark, रहदारी पहा:

0040 37 5d a3 84 27 e7 fb 13 6d 93 ed cd 56 04 9d 82 7]£.'çû.m.íÍV...
0050 32 7c fb 67 46 71 dd 36 4d 42 3d f3 62 1b e0 ad 2|ûgFqÝ6MB=ób.à.
0060 ef 87 be 05 6a f9 e1 01 41 fc 25 5b c0 77 d3 94 ï.¾.jùá.Aü%[ÀwÓ.

अं... काय? अरे हो, आमच्याकडे HTTPS आहे. काय करायचं? स्वतःवर एमआयटीएम हल्ला सुरू करायचा? आदर्शपणे, पीडिता स्वतःच आम्हाला मदत करेल.

सर्वसाधारणपणे, ब्राउझर सर्फ करण्याचा निर्णय घेतल्यानंतर, मला शेवटी विनंती स्वतःच आणि पत्ता सापडला. जा:

टर्मिनलशी संवाद

telnet IP PORT
Trying IP...
Connected to IP.
Escape character is '^]'.
GET /rifma/%D0%BC%D0%B0%D1%82%D1%8C?mode=block&type=asn HTTP/1.1
Host: HOST
Accept-Language: en-US,en;q=0.5
X-Requested-With: XMLHttpRequest
Connection: close

HTTP/1.1 400 Bad Request
Server: nginx/1.8.0
Date: Sun, 03 Nov 2019 20:06:59 GMT
Content-Type: text/html; charset=utf-8
Content-Length: 270
Connection: close

<html>
<head><title>400 The plain HTTP request was sent to HTTPS port</title></head>
<body bgcolor="white">
<center><h1>400 Bad Request</h1></center>
<center>The plain HTTP request was sent to HTTPS port</center>
<hr><center>nginx/1.8.0</center>
</body>
</html>
Connection closed by foreign host.

अहो. हेहेहे. खरंच, HTTPS पोर्टवर बेअर HTTP विनंती पाठवताना मला तेच अपेक्षित होते. आम्ही आता एनक्रिप्ट करावे? हा सर्व गोंधळ RSA की सह, नंतर SHA256 सह. का, आहे ओपनएसएसएल अशा गोष्टींसाठी. बरं, काय करायचं हे आम्हाला आधीच माहित आहे, आम्ही फक्त रेफरर आणि कुकी फील्ड काढून टाकू - मला वाटतं ते या प्रकरणावर जास्त परिणाम करणार नाहीत:

टर्मिनलशी संवाद

openssl s_client -connect IP:PORT
{Всякие ключи, сертификаты}
GET /rifma/%D0%B7%D0%B4%D0%B5%D1%81%D1%8C?mode=block&type=asn HTTP/1.1
Host: HOST
User-Agent: Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:70.0) Gecko/20100101 Firefox/70.0
Accept: text/javascript,text/html,application/xml,text/xml,*/*
Accept-Language: ru-RU,ru;q=0.8,en-US;q=0.5,en;q=0.3
Accept-Encoding: gzip, deflate, br
X-Requested-With: XMLHttpRequest
Connection: keep-alive

HTTP/1.1 200 OK
Content-Type: text/html;charset=utf-8
Transfer-Encoding: chunked
Connection: keep-alive
Vary: Accept-Encoding
Status: 200 OK
Date: Sun, 03 Nov 2019 20:34:33 GMT
Set-Cookie: COOKIE
X-Powered-By: Phusion Passenger 5.0.16
Server: nginx/1.8.0 + Phusion Passenger 5.0.16
Expires: Thu, 01 Jan 1970 00:00:01 GMT
Cache-Control: no-cache
Strict-Transport-Security: max-age=31536000
Content-Security-Policy: block-all-mixed-content
Content-Encoding: gzip

हे काय आहे, सर्व्हरवर शपथ घेणे? बरं, कमीतकमी त्यांनी मला 200 ओके उत्तर दिले, याचा अर्थ कुकीज आणि रेफरर कशावरही परिणाम करत नाहीत. कॉम्प्रेशन gzip आहे, परंतु कॉपी करताना, ASCII वर्ण कॉपी केले जातात. तंतोतंत, आपण ओळ काढू शकता स्वीकार-एनकोडिंग. सर्व काही ठीक आहे - आम्हाला एक HTML दस्तऐवज मिळतो, आता अॅसोनन्ससह. परंतु येथे दोन प्रश्न आहेत: ओपनएसएसएल कसे चालवायचे आणि स्क्रिप्ट वापरून डेटा हस्तांतरित कसा करायचा? आणि प्रतिसाद मिळाल्यानंतर आम्ही जसे OpenSSL “शेल” मध्ये राहिलो तर आउटपुट कसे वाचायचे? जर तुम्ही दुसऱ्यासह काहीतरी घेऊन येऊ शकता, परंतु पहिल्यासह ...

तेथे आहे हे चांगले आहे हब्रजिथे मी उपयुक्ततेबद्दल वाचले अपेक्षा, जे मानवी परस्परसंवादाची अपेक्षा करणार्‍या प्रोग्रामशी संवाद साधण्याची प्रक्रिया स्वयंचलित करते. एक संघ असणे अधिक आकर्षक आहे स्वयंअपेक्षा, निर्मिती अपेक्षा तुमच्या कृतींवर आधारित स्क्रिप्ट. ठीक आहे, आम्ही ते लाँच करतो, हे सर्व करतो आणि येथे तयार स्क्रिप्ट आहे. फक्त तो खूप मोठा आहे आणि सर्व कारण ओपनएसएसएल प्रमाणपत्रे, की आणि दाखवते अपेक्षा या सर्वांच्या आउटपुटची वाट पाहत आहे. आम्हाला याची गरज आहे का? नाही. फक्त शेवटच्या ओळीचा ब्रेक ‘r’ सोडून आम्ही संपूर्ण पहिला प्रॉम्प्ट काढून टाकतो. आम्ही आमच्या विनंतीवरून वापरकर्ता-एजंट आणि फील्ड देखील काढून टाकतो - ते कशावरही परिणाम करत नाहीत. तर, चला लॉन्च करूया. स्क्रिप्ट कार्यान्वित झाली, परंतु खजिना HTML दस्तऐवज कुठे आहे? अपेक्षित ते खाल्ले. त्याला थुंकण्यासाठी, आपल्याला हे ठेवणे आवश्यक आहे:

set results $expect_out(buffer)

स्क्रिप्टच्या समाप्तीपूर्वी - अशा प्रकारे एक्झिक्युटेबलचे आउटपुट लिहिले जाईल अपेक्षा'om कमांड आणि स्क्रीनवर प्रदर्शित. सारांश, असे काहीतरी:

स्क्रिप्टची अपेक्षा आहे

#!/usr/bin/expect -f

set timeout -1
spawn openssl s_client -connect IP:PORT
match_max 100000
expect -exact "
---r
"
send -- "GET /rifma/%d0%b7%d0%b4%d0%b5%d1%81%d1%8c?mode=block&type=asn HTTP/1.1rHost: HOSTrAccept-Language: en-US,en;q=0.5rX-Requested-With: XMLHttpRequestrConnection: close"
expect -exact "GET /rifma/%d0%b7%d0%b4%d0%b5%d1%81%d1%8c?mode=block&type=asn HTTP/1.1r
Host: HOSTr
Accept-Language: en-US,en;q=0.5r
X-Requested-With: XMLHttpRequestr
Connection: close"
send -- "r"
set results $expect_out(buffer)
expect -exact "r
"
send -- "r"
expect eof

पण ते सर्व नाही! तुम्ही बघू शकता, सर्व उदाहरणांमध्ये विनंती URL स्थिर होती, परंतु ती URL आहे जी कोणत्या शब्दाशी संबंधित असेल यासाठी जबाबदार आहे. आणि म्हणून असे दिसून आले की आम्ही ASCII मध्ये “%d0%b7%d0%b4%d0%b5%d1%81%d1%8c” किंवा UTF-8 मध्ये “येथे” हा शब्द सतत शोधू. काय करायचं? अर्थात, प्रत्येक वेळी फक्त एक नवीन स्क्रिप्ट तयार करा मित्रांनो! आता नाही स्वयंअपेक्षा'ओम, आणि मदतीने प्रतिध्वनी, कारण आमच्या नवीनमध्ये, शब्दाशिवाय काहीही बदलत नाही. आणि नवीन समस्या दीर्घकाळ जगू द्या: आम्ही सिरिलिकमधील शब्दाचा URL फॉरमॅटमध्ये बुद्धिमानपणे कसा अनुवाद करू शकतो? टर्मिनलसाठीही विशेष काही नाही. बरं, हे ठीक आहे, आपण ते करू शकतो, बरोबर? करू शकता:

मी काय करू शकतो ते पहा!

function furl {
furl=$(echo "$word" | sed 's:А:%d0%90:g;s:Б:%d0%91:g;s:В:%d0%92:g;s:Г:%d0%93:g;s:Д:%d0%94:g;s:Е:%d0%95:g;s:Ж:%d0%96:g;s:З:%d0%97:g;s:И:%d0%98:g;s:Й:%d0%99:g;s:К:%d0%9a:g;s:Л:%d0%9b:g;s:М:%d0%9c:g;s:Н:%d0%9d:g;s:О:%d0%9e:g;s:П:%d0%9f:g;s:Р:%d0%a0:g;s:С:%d0%a1:g;s:Т:%d0%a2:g;s:У:%d0%a3:g;s:Ф:%d0%a4:g;s:Х:%d0%a5:g;s:Ц:%d0%a6:g;s:Ч:%d0%a7:g;s:Ш:%d0%a8:g;s:Щ:%d0%a9:g;s:Ъ:%d0%aa:g;s:Ы:%d0%ab:g;s:Ь:%d0%ac:g;s:Э:%d0%ad:g;s:Ю:%d0%ae:g;s:Я:%d0%af:g;s:а:%d0%b0:g;s:б:%d0%b1:g;s:в:%d0%b2:g;s:г:%d0%b3:g;s:д:%d0%b4:g;s:е:%d0%b5:g;s:ж:%d0%b6:g;s:з:%d0%b7:g;s:и:%d0%b8:g;s:й:%d0%b9:g;s:к:%d0%ba:g;s:л:%d0%bb:g;s:м:%d0%bc:g;s:н:%d0%bd:g;s:о:%d0%be:g;s:п:%d0%bf:g;s:р:%d1%80:g;s:с:%d1%81:g;s:т:%d1%82:g;s:у:%d1%83:g;s:ф:%d1%84:g;s:х:%d1%85:g;s:ц:%d1%86:g;s:ч:%d1%87:g;s:ш:%d1%88:g;s:щ:%d1%89:g;s:ъ:%d1%8a:g;s:ы:%d1%8b:g;s:ь:%d1%8c:g;s:э:%d1%8d:g;s:ю:%d1%8e:g;s:я:%d1%8f:g;s:ё:%d1%91:g;s:Ё:%d0%81:g')}

एकूण, आमच्याकडे एक स्क्रिप्ट आहे जी एखाद्या शब्दाला ASCII मजकूरात रूपांतरित करते, दुसरी स्क्रिप्ट तयार करते जी OpenSSL द्वारे सर्व्हरकडून अॅसोनन्ससह साइट पृष्ठाची विनंती करते. आणि मग आम्ही शेवटच्या स्क्रिप्टचे आउटपुट एका फाईलवर पुनर्निर्देशित करतो आणि जुन्या पद्धतीनुसार, ते पार करतो. "फिल्टर" अतिरिक्त चौरस आणि फाइलमध्ये लिहा.

अनेकांचे छेदन. तळ ओळ

वास्तविक, हेच अगदी कमीत कमी समस्यांना कारणीभूत ठरते. आम्ही दोन शब्दांसाठी वरील प्रक्रिया पार पाडतो, नंतर दोन सूचींमधून आम्ही प्रत्येक शब्दाची प्रत्येकाशी तुलना करतो आणि जर एक जुळणी आढळली तर आम्ही ते आउटपुट करतो. आता आमच्याकडे एक स्क्रिप्ट आहे जी दोन शब्द इनपुट म्हणून घेते आणि दोन्हीसह यमक असलेल्या शब्दांची सूची प्रदर्शित करते आणि अगदी खाते संयोजन देखील लक्षात घेते, आणि हे सर्व चार टॅबमध्ये व्यक्तिचलितपणे स्विच न करता आणि "डोळ्याद्वारे" शब्द लक्षात न ठेवता - सर्व गोळा केलेले, खाते साठी आणि आपोआप टाकून दिले. अप्रतिम.

या प्रकाशनाचा उद्देश हा होता की एखाद्या व्यक्तीला एखाद्या गोष्टीची गरज भासली तर ती ती कशीही करून देईल. अतिशय कुचकामी, कुटिल, भितीदायक, पण चालेल.

स्त्रोत: www.habr.com