如何分析链接以找出实际链接

Question

有时在下载某些东西时，我发现链接不是文件的直接链接。

例如，这是一个下载 PDF 文件的链接：

http://ishare.down.sina.com.cn/15181391.PDF?ssig=2jEFaNQs7K&Expires=1312905600&KID=sina,ishare&IP=1312761745,68.50.222。

我想知道如何找出/破解文件的实际链接（即 http://*.PDF）？

不显示直接链接的此类和类似技术的名称是什么？一些参考资料，例如维基百科，...？

Answer 1

这可能是不可能的。在您访问文件之前，这些站点可以为您提供一百次重定向。

此外，javascript 可用于根据提供给服务器的 URL 提供链接。

Answer 2

该站点可以编写脚本，并且当它获得某个命令（URL 可以传递命令）时，它可能会返回一个 PDF 文件（或某个其他文件），而无需重定向。这是服务器端的事情，取决于站点的编码方式。如果不实际从服务器请求该链接，您就不太可能弄清楚如何获取文件。有时即使您知道直接 URL，您也可能无权访问直接链接。某些站点已编码，因此直接链接将不起作用。

Answer 3

是的，有时。

有两件事是经常发生的。您的链接不再起作用，所以我不确定这种情况下的实际情况，所以我将在另一个链接上进行总结。

HTTP 重定向

这就是您在Bit.ly其他服务中看到的情况。然后要做的是提供 HTTP 重定向响应。当您访问http://bit.ly/oH3410时，它会重定向到实际的 URL。有时，一个 URL 会重定向到另一个 URL。如果您将 URL 插入http://web-sniffer.net/或使用[curl][1] -I http://bit.ly/oH3410您将看到返回一个指向新位置的 301，您可以看到这种情况发生。

因此，要处理 HTTP 重定向，您只需循环 HTTP HEAD 请求，直到不再收到 300 的响应（希望收到 200）。请记住，它们可能会在循环中重定向，这永远不会结束。您可以使用 CURL 或任何 HTTP 工具来完成此操作。

下载器页面

这是大多数下载网站所使用的。您单击下载链接，它会将您带到一个带有一堆广告的页面，并显示“您的下载即将开始”类似的内容。[例子]。有了这些，您可以尝试解析来自 URL 的实际直接链接，但这将是特定于站点的，并且大多数站点不会包含它以防止您绕过它。这可以通过meta http-equiv="refresh"标头中的标签或 JavaScript（最常见）来完成。不过，JS 通常有一个标头后备。

不过有一个解决方案。如果您查看下载页面上的源代码，您通常会看到一个<meta http-equiv="refresh">标签（通常在<noscript>标签中），其属性URL指向实际下载。因此，请使用 CURL（或任何其他 HTTP 工具）下载页面，解析它并获取该值。如果网站真的想要变得非常讨厌，那么他们可能会排除这一点，从而要求您有 JavaScript 来下载文件。

可能还有一个 JavaScript 块链接到下载。它可能被混淆，或从另一个 URL 链接。尝试解析这一点时，您的里程可能会有所不同。页面上也可能有“直接链接”。您可以尝试一些技术来找到它，但同样，它可能会通过 JavaScript 被混淆，甚至全部丢失。