Session-Id aus Urls entfernen (Allgemeines zu Perl)

[thread]14796[/thread]

Session-Id aus Urls entfernen

Leser: 23

Articles: hide open all | hide show old branches

+6 replies
kristian

2010-03-11 20:55
User since
2005-04-14
684 Artikel
BenutzerIn
Hallo

Für einen Crawler/Robot brauche ich Code der Session-Ids aus Links / Urls entfernt.

Mein Ansatz:
Code (perl): (dl )

1 2 3 4 5 6

$new_url =~ s/\&/&/g; foreach my $sid_string(qw(sessionid lsessionid jsessionid SID PHPSESSID SessionID BV_SessionID osCsid)){ if($new_url =~ m/([?&;]${sid_string}=[^&;]+)/i){ $new_url =~ s/\Q$1\E//g; } }
Bei meinen Tests passt das soweit.
Hat jemand eine bessere Idee, sieht in meinem Code Fehler oder kennt
Session-Ids, die ich nicht kenne?

TIA & Gruß
Kristian

EDIT: Der Vollständigkeit halber Code um die die w3c-konforme Schreibweise von & ergänzt
Last edited: 2010-03-11 21:42:04 +0100 (CET)
- +2 replies
- pktm
  
  2010-03-11 21:43
  User since
  2003-08-07
  2921 Artikel
  BenutzerIn
  Was ist, wenn die Session-ID leer ist? Du könntest auf solch eine URL stoßen: run.cgi?sid=&foo=bar
  
  Da du nach dem = das & ausschließt, dürfte deines nicht mehr funktionieren.
  
  Warum steckst du die einzelnen Vrainten eigentlich nicht komplett per Disjunktion in die Regex? Also so:
  
  Code: (dl )
  
  1 2 3
  
  if($new_url =~ m/([?&;](?:sid|session_id)=[^&;]+)/i){ $new_url =~ s/\Q$1\E//g; }
  
  Dann "sparst" du dir die Schleife.
  http://www.intergastro-service.de (mein erstes CMS :) )
  - kristian
    
    2010-03-11 22:59
    User since
    2005-04-14
    684 Artikel
    BenutzerIn
    
    2010-03-11T20:43:00 pktm
    Was ist, wenn die Session-ID leer ist? Du könntest auf solch eine URL stoßen: run.cgi?sid=&foo=bar
    
    Da du nach dem = das & ausschließt, dürfte deines nicht mehr funktionieren.
    
    Ja das stimmt, es matched nicht bei einer "leeren" SID aber das ist nicht tragisch. Es geht bei dem Spiel darum, nicht ständig neue URL's zu finden, nur weil sich die SID geändert hat. Was nicht da ist ändert sich auch nicht.
    
    2010-03-11T20:43:00 pktm
    Warum steckst du die einzelnen Vrainten eigentlich nicht komplett per Disjunktion in die Regex? Also so:
    
    Code: (dl )
    
    1 2 3
    
    if($new_url =~ m/([?&;](?:sid|session_id)=[^&;]+)/i){ $new_url =~ s/\Q$1\E//g; }
    
    Dann "sparst" du dir die Schleife.
    
    Das wäre vermutlich auch schneller?
    Ich werde es bei Bedarf oder Langeweile mal benchmarken.
    
    Danke & Gruß
    Kristian
- topeg
  
  2010-03-11 23:27
  User since
  2006-07-10
  2611 Artikel
  BenutzerIn
  Warum das if?
  
  Code (perl): (dl )
  
  1 2 3
  
  $new_url =~ s/\&/&/g; my $joined=join('|',qw(sessionid lsessionid jsessionid SID PHPSESSID SessionID BV_SessionID osCsid)); $new_url =~ s/[?&;](?:${$joined})=[^&;]+//ig;
  
  Außerdem gibt es noch Probleme wenn es die Sessionid am Anfang steht dann haust du nämlich auch das "?" mit raus und die URL ist falsch oder ungültig
  Das könnte man so lösen:
  
  Code (perl): (dl )
  
  1 2 3
  
  $new_url =~ s/\&/&/g; my $joined=join('|',qw(sessionid lsessionid jsessionid SID PHPSESSID SessionID BV_SessionID osCsid)); $new_url =~ s/([?&;])(?:${$joined})=[^&;]+/$1 eq '?'? '?':''/ige;
  
  Oder du nimmt URI das dir vieles beim normieren der URL abnimmt.
- +2 replies
- esskar
  
  2010-03-12 09:30
  User since
  2003-08-04
  7321 Artikel
  ModeratorIn
  ungetestet
  
  Code (perl): (dl )
  
  1 2 3 4 5 6 7 8
  
  use URI; use URI::QueryParam; my $uri = URI->new($new_url); foreach my $sid_string(qw(sessionid lsessionid jsessionid SID PHPSESSID SessionID BV_SessionID osCsid)){ $uri->query_param_delete($sid_string); } print "$uri";
  - kristian
    
    2010-03-12 09:55
    
    User since
    2005-04-14
    684 Artikel
    BenutzerIn
    
    Ich danke euch recht herzlich.
    
    topegs Einwand und Vorschlag sind natürlich richtig, die Lösung von Esskar funktioniert perfekt.
    
    Danke & Gruß
    Kristian
    
    ( der jetzt $uri->query_param_delete() kennt ;-) )

View all threads created 2010-03-11 20:55.