Samesite - proxy that can cache partial transfers

Hex Artifact Content
anonymous

Hex Artifact Content

Artifact 07383aff214c54416fd3c4bdfa938a5e64372e50e14ccc548af4c36bc01e5413:


0000: 23 21 2f 75 73 72 2f 62 69 6e 2f 65 6e 76 20 70  #!/usr/bin/env p
0010: 79 74 68 6f 6e 33 2e 31 0a 0a 69 6d 70 6f 72 74  ython3.1..import
0020: 20 64 61 74 65 74 69 6d 65 2c 20 68 74 74 70 2e   datetime, http.
0030: 63 6f 6f 6b 69 65 6a 61 72 2c 20 6f 70 74 70 61  cookiejar, optpa
0040: 72 73 65 2c 20 6f 73 2c 20 73 79 73 2c 20 73 68  rse, os, sys, sh
0050: 65 6c 76 65 2c 20 72 65 2c 20 75 72 6c 6c 69 62  elve, re, urllib
0060: 2e 72 65 71 75 65 73 74 0a 0a 70 61 72 73 65 72  .request..parser
0070: 20 3d 20 6f 70 74 70 61 72 73 65 2e 4f 70 74 69   = optparse.Opti
0080: 6f 6e 50 61 72 73 65 72 28 29 0a 70 61 72 73 65  onParser().parse
0090: 72 2e 61 64 64 5f 6f 70 74 69 6f 6e 28 27 2d 76  r.add_option('-v
00a0: 27 2c 20 27 2d 2d 76 65 72 62 6f 73 65 27 2c 20  ', '--verbose', 
00b0: 61 63 74 69 6f 6e 20 3d 20 27 73 74 6f 72 65 5f  action = 'store_
00c0: 74 72 75 65 27 2c 20 64 65 73 74 20 3d 20 27 76  true', dest = 'v
00d0: 65 72 62 6f 73 65 27 2c 20 68 65 6c 70 20 3d 20  erbose', help = 
00e0: 27 74 75 72 6e 73 20 6f 6e 20 76 65 72 62 6f 73  'turns on verbos
00f0: 65 20 73 74 61 74 75 73 20 6e 6f 74 69 66 69 63  e status notific
0100: 61 74 69 6f 6e 73 27 2c 20 6d 65 74 61 76 61 72  ations', metavar
0110: 20 3d 20 27 62 6f 6f 6c 27 2c 20 64 65 66 61 75   = 'bool', defau
0120: 6c 74 20 3d 20 46 61 6c 73 65 29 0a 70 61 72 73  lt = False).pars
0130: 65 72 2e 61 64 64 5f 6f 70 74 69 6f 6e 28 27 2d  er.add_option('-
0140: 64 27 2c 20 27 2d 2d 64 69 72 27 2c 20 61 63 74  d', '--dir', act
0150: 69 6f 6e 20 3d 20 27 73 74 6f 72 65 27 2c 20 64  ion = 'store', d
0160: 65 73 74 20 3d 20 27 64 69 72 27 2c 20 68 65 6c  est = 'dir', hel
0170: 70 20 3d 20 27 73 70 65 63 69 66 79 20 64 69 72  p = 'specify dir
0180: 65 63 74 6f 72 79 20 77 68 65 72 65 20 74 68 65  ectory where the
0190: 20 66 69 6c 65 73 20 73 68 6f 75 6c 64 20 62 65   files should be
01a0: 20 73 74 6f 72 65 64 27 2c 20 6d 65 74 61 76 61   stored', metava
01b0: 72 20 3d 20 27 73 74 72 69 6e 67 27 2c 20 64 65  r = 'string', de
01c0: 66 61 75 6c 74 20 3d 20 4e 6f 6e 65 29 0a 70 61  fault = None).pa
01d0: 72 73 65 72 2e 61 64 64 5f 6f 70 74 69 6f 6e 28  rser.add_option(
01e0: 27 2d 72 27 2c 20 27 2d 2d 72 6f 6f 74 27 2c 20  '-r', '--root', 
01f0: 61 63 74 69 6f 6e 20 3d 20 27 73 74 6f 72 65 27  action = 'store'
0200: 2c 20 64 65 73 74 20 3d 20 27 72 6f 6f 74 27 2c  , dest = 'root',
0210: 20 68 65 6c 70 20 3d 20 27 73 70 65 63 69 66 79   help = 'specify
0220: 20 61 20 73 69 74 65 20 66 72 6f 6d 20 77 68 69   a site from whi
0230: 63 68 20 64 61 74 61 20 73 68 6f 75 6c 64 20 62  ch data should b
0240: 65 20 6d 69 72 72 6f 72 65 64 27 2c 20 6d 65 74  e mirrored', met
0250: 61 76 61 72 20 3d 20 27 73 74 72 69 6e 67 27 2c  avar = 'string',
0260: 20 64 65 66 61 75 6c 74 20 3d 20 4e 6f 6e 65 29   default = None)
0270: 0a 70 61 72 73 65 72 2e 61 64 64 5f 6f 70 74 69  .parser.add_opti
0280: 6f 6e 28 27 2d 6c 27 2c 20 27 2d 2d 6c 6f 67 27  on('-l', '--log'
0290: 2c 20 61 63 74 69 6f 6e 20 3d 20 27 73 74 6f 72  , action = 'stor
02a0: 65 27 2c 20 64 65 73 74 20 3d 20 27 6c 6f 67 27  e', dest = 'log'
02b0: 2c 20 68 65 6c 70 20 3d 20 27 73 70 65 63 69 66  , help = 'specif
02c0: 79 20 61 20 6c 6f 67 20 66 69 6c 65 20 74 6f 20  y a log file to 
02d0: 70 72 6f 63 65 73 73 27 2c 20 6d 65 74 61 76 61  process', metava
02e0: 72 20 3d 20 27 73 74 72 69 6e 67 27 2c 20 64 65  r = 'string', de
02f0: 66 61 75 6c 74 20 3d 20 4e 6f 6e 65 29 0a 28 6f  fault = None).(o
0300: 70 74 69 6f 6e 73 2c 20 61 72 67 73 29 20 3d 20  ptions, args) = 
0310: 70 61 72 73 65 72 2e 70 61 72 73 65 5f 61 72 67  parser.parse_arg
0320: 73 28 29 0a 0a 69 66 20 6e 6f 74 20 6f 70 74 69  s()..if not opti
0330: 6f 6e 73 2e 64 69 72 3a 0a 09 70 72 69 6e 74 28  ons.dir:..print(
0340: 27 44 69 72 65 63 74 6f 72 79 20 6e 6f 74 20 73  'Directory not s
0350: 70 65 63 69 66 69 65 64 27 29 0a 09 65 78 69 74  pecified')..exit
0360: 28 31 29 0a 0a 69 66 20 6e 6f 74 20 6f 70 74 69  (1)..if not opti
0370: 6f 6e 73 2e 72 6f 6f 74 3a 0a 09 70 72 69 6e 74  ons.root:..print
0380: 28 27 53 65 72 76 65 72 20 6e 6f 74 20 73 70 65  ('Server not spe
0390: 63 69 66 69 65 64 27 29 0a 09 65 78 69 74 28 31  cified')..exit(1
03a0: 29 0a 0a 69 66 20 6e 6f 74 20 6f 70 74 69 6f 6e  )..if not option
03b0: 73 2e 6c 6f 67 3a 0a 09 70 72 69 6e 74 28 27 4c  s.log:..print('L
03c0: 6f 67 20 66 69 6c 65 20 6e 6f 74 20 73 70 65 63  og file not spec
03d0: 69 66 69 65 64 27 29 0a 09 65 78 69 74 28 31 29  ified')..exit(1)
03e0: 0a 0a 69 66 20 6e 6f 74 20 6f 73 2e 61 63 63 65  ..if not os.acce
03f0: 73 73 28 6f 70 74 69 6f 6e 73 2e 6c 6f 67 2c 20  ss(options.log, 
0400: 6f 73 2e 52 5f 4f 4b 29 3a 0a 09 70 72 69 6e 74  os.R_OK):..print
0410: 28 27 4c 6f 67 20 66 69 6c 65 20 75 6e 72 65 61  ('Log file unrea
0420: 64 61 62 6c 65 27 29 0a 09 65 78 69 74 28 31 29  dable')..exit(1)
0430: 0a 0a 23 20 74 68 69 73 20 69 73 20 66 69 6c 65  ..# this is file
0440: 20 69 6e 64 65 78 20 2d 20 65 76 65 72 79 74 68   index - everyth
0450: 69 6e 67 20 69 73 20 73 74 6f 72 65 64 20 69 6e  ing is stored in
0460: 20 74 68 69 73 20 66 69 6c 65 0a 69 6e 64 65 78   this file.index
0470: 20 3d 20 73 68 65 6c 76 65 2e 6f 70 65 6e 28 6f   = shelve.open(o
0480: 70 74 69 6f 6e 73 2e 64 69 72 20 2b 20 27 2f 2e  ptions.dir + '/.
0490: 69 6e 64 65 78 27 29 0a 64 65 73 63 5f 66 69 65  index').desc_fie
04a0: 6c 64 73 20 3d 20 28 27 43 6f 6e 74 65 6e 74 2d  lds = ('Content-
04b0: 4c 65 6e 67 74 68 27 2c 20 27 45 54 61 67 27 2c  Length', 'ETag',
04c0: 20 27 50 72 61 67 6d 61 27 2c 20 27 4c 61 73 74   'Pragma', 'Last
04d0: 2d 4d 6f 64 69 66 69 65 64 27 29 0a 69 67 6e 6f  -Modified').igno
04e0: 72 65 5f 66 69 65 6c 64 73 20 3d 20 28 27 41 63  re_fields = ('Ac
04f0: 63 65 70 74 2d 52 61 6e 67 65 73 27 2c 20 27 41  cept-Ranges', 'A
0500: 67 65 27 2c 20 27 43 61 63 68 65 2d 43 6f 6e 74  ge', 'Cache-Cont
0510: 72 6f 6c 27 2c 20 27 43 6f 6e 6e 65 63 74 69 6f  rol', 'Connectio
0520: 6e 27 2c 20 27 43 6f 6e 74 65 6e 74 2d 54 79 70  n', 'Content-Typ
0530: 65 27 2c 20 27 44 61 74 65 27 2c 20 27 45 78 70  e', 'Date', 'Exp
0540: 69 72 65 73 27 2c 20 27 53 65 72 76 65 72 27 2c  ires', 'Server',
0550: 20 27 56 69 61 27 2c 20 27 58 2d 43 61 63 68 65   'Via', 'X-Cache
0560: 27 2c 20 27 58 2d 43 61 63 68 65 2d 4c 6f 6f 6b  ', 'X-Cache-Look
0570: 75 70 27 29 0a 0a 62 6c 6f 63 6b 5f 73 69 7a 65  up')..block_size
0580: 20 3d 20 33 32 37 36 38 0a 0a 77 68 69 6c 65 20   = 32768..while 
0590: 54 72 75 65 3a 0a 09 75 6e 63 68 65 63 6b 65 64  True:..unchecked
05a0: 5f 66 69 6c 65 73 20 3d 20 73 65 74 28 29 0a 09  _files = set()..
05b0: 63 68 65 63 6b 65 64 5f 66 69 6c 65 73 20 3d 20  checked_files = 
05c0: 30 0a 0a 09 23 20 72 65 61 64 69 6e 67 20 6c 6f  0...# reading lo
05d0: 67 20 61 6e 64 20 73 74 6f 72 69 6e 67 20 66 6f  g and storing fo
05e0: 75 6e 64 20 75 72 6c 73 20 66 6f 72 20 70 72 6f  und urls for pro
05f0: 63 65 73 73 69 6e 67 0a 09 23 20 63 68 65 63 6b  cessing..# check
0600: 20 66 69 6c 65 20 6d 74 69 6d 65 20 58 58 58 0a   file mtime XXX.
0610: 09 77 69 74 68 20 6f 70 65 6e 28 6f 70 74 69 6f  .with open(optio
0620: 6e 73 2e 6c 6f 67 2c 20 27 72 27 29 20 61 73 20  ns.log, 'r') as 
0630: 6c 6f 67 5f 66 69 6c 65 3a 0a 09 09 6c 6f 67 5f  log_file:...log_
0640: 6c 69 6e 65 20 3d 20 72 65 2e 63 6f 6d 70 69 6c  line = re.compil
0650: 65 28 27 5e 5b 5e 20 5d 2b 20 2d 20 2d 20 5c 5b  e('^[^ ]+ - - \[
0660: 2e 2a 5d 20 22 28 47 45 54 7c 48 45 41 44 29 20  .*] "(GET|HEAD) 
0670: 28 2e 2a 3f 29 28 5c 3f 2e 2a 29 3f 20 48 54 54  (.*?)(\?.*)? HTT
0680: 50 2f 31 2e 31 22 20 28 5c 64 2b 29 20 5c 64 2b  P/1.1" (\d+) \d+
0690: 20 22 28 2e 2a 29 22 20 22 28 2e 2a 29 22 24 27   "(.*)" "(.*)"$'
06a0: 29 0a 09 09 66 6f 72 20 6c 69 6e 65 20 69 6e 20  )...for line in 
06b0: 6c 6f 67 5f 66 69 6c 65 3a 0a 09 09 09 74 68 69  log_file:....thi
06c0: 73 5f 6c 69 6e 65 20 3d 20 6c 6f 67 5f 6c 69 6e  s_line = log_lin
06d0: 65 2e 6d 61 74 63 68 28 6c 69 6e 65 2e 73 74 72  e.match(line.str
06e0: 69 70 28 29 29 0a 09 09 09 69 66 20 74 68 69 73  ip())....if this
06f0: 5f 6c 69 6e 65 3a 0a 09 09 09 09 75 6e 63 68 65  _line:.....unche
0700: 63 6b 65 64 5f 66 69 6c 65 73 2e 61 64 64 28 74  cked_files.add(t
0710: 68 69 73 5f 6c 69 6e 65 2e 67 72 6f 75 70 28 32  his_line.group(2
0720: 29 29 0a 0a 09 66 6f 72 20 75 72 6c 20 69 6e 20  ))...for url in 
0730: 75 6e 63 68 65 63 6b 65 64 5f 66 69 6c 65 73 3a  unchecked_files:
0740: 0a 0a 09 09 23 20 63 72 65 61 74 69 6e 67 20 65  ....# creating e
0750: 6d 70 74 79 20 70 6c 61 63 65 68 6f 6c 64 65 72  mpty placeholder
0760: 20 69 6e 20 69 6e 64 65 78 0a 09 09 69 66 20 6e   in index...if n
0770: 6f 74 20 75 72 6c 20 69 6e 20 69 6e 64 65 78 3a  ot url in index:
0780: 0a 09 09 09 69 6e 64 65 78 5b 75 72 6c 5d 20 3d  ....index[url] =
0790: 20 7b 7d 0a 09 09 72 65 6c 6f 61 64 20 3d 20 46   {}...reload = F
07a0: 61 6c 73 65 0a 0a 09 09 23 20 63 72 65 61 74 69  alse....# creati
07b0: 6e 67 20 66 69 6c 65 20 6e 61 6d 65 20 66 72 6f  ng file name fro
07c0: 6d 20 75 72 6c 0a 09 09 66 69 6c 65 5f 6e 61 6d  m url...file_nam
07d0: 65 20 3d 20 6f 70 74 69 6f 6e 73 2e 64 69 72 20  e = options.dir 
07e0: 2b 20 72 65 2e 63 6f 6d 70 69 6c 65 28 27 25 32  + re.compile('%2
07f0: 30 27 29 2e 73 75 62 28 27 20 27 2c 20 75 72 6c  0').sub(' ', url
0800: 29 0a 0a 09 09 23 20 66 6f 72 63 69 62 6c 79 20  )....# forcibly 
0810: 63 68 65 63 6b 69 6e 67 20 66 69 6c 65 20 69 66  checking file if
0820: 20 6e 6f 20 66 69 6c 65 20 70 72 65 73 65 6e 74   no file present
0830: 0a 09 09 69 66 20 6e 6f 74 20 6f 73 2e 61 63 63  ...if not os.acc
0840: 65 73 73 28 66 69 6c 65 5f 6e 61 6d 65 2c 20 6f  ess(file_name, o
0850: 73 2e 52 5f 4f 4b 29 3a 0a 09 09 09 72 65 6c 6f  s.R_OK):....relo
0860: 61 64 20 3d 20 54 72 75 65 0a 0a 09 09 23 20 66  ad = True....# f
0870: 6f 72 63 69 62 6c 79 20 63 68 65 63 6b 69 6e 67  orcibly checking
0880: 20 66 69 6c 65 20 69 66 20 66 69 6c 65 20 73 69   file if file si
0890: 7a 65 20 64 6f 65 73 6e 27 74 20 6d 61 74 63 68  ze doesn't match
08a0: 20 77 69 74 68 20 69 6e 64 65 78 20 64 61 74 61   with index data
08b0: 0a 09 09 65 6c 69 66 20 27 43 6f 6e 74 65 6e 74  ...elif 'Content
08c0: 2d 4c 65 6e 67 74 68 27 20 69 6e 20 69 6e 64 65  -Length' in inde
08d0: 78 5b 75 72 6c 5d 20 61 6e 64 20 6f 73 2e 73 74  x[url] and os.st
08e0: 61 74 28 66 69 6c 65 5f 6e 61 6d 65 29 2e 73 74  at(file_name).st
08f0: 5f 73 69 7a 65 20 21 3d 20 69 6e 74 28 69 6e 64  _size != int(ind
0900: 65 78 5b 75 72 6c 5d 5b 27 43 6f 6e 74 65 6e 74  ex[url]['Content
0910: 2d 4c 65 6e 67 74 68 27 5d 29 3a 0a 09 09 09 70  -Length']):....p
0920: 72 69 6e 74 28 27 46 69 6c 65 20 73 69 7a 65 20  rint('File size 
0930: 69 73 27 2c 20 6f 73 2e 73 74 61 74 28 66 69 6c  is', os.stat(fil
0940: 65 5f 6e 61 6d 65 29 2e 73 74 5f 73 69 7a 65 2c  e_name).st_size,
0950: 20 27 61 6e 64 20 73 74 6f 72 65 64 20 66 69 6c   'and stored fil
0960: 65 20 73 69 7a 65 20 69 73 27 2c 20 69 6e 64 65  e size is', inde
0970: 78 5b 75 72 6c 5d 5b 27 43 6f 6e 74 65 6e 74 2d  x[url]['Content-
0980: 4c 65 6e 67 74 68 27 5d 29 0a 09 09 09 72 65 6c  Length'])....rel
0990: 6f 61 64 20 3d 20 54 72 75 65 0a 0a 09 09 23 20  oad = True....# 
09a0: 66 6f 72 63 69 62 6c 79 20 63 68 65 63 6b 69 6e  forcibly checkin
09b0: 67 20 66 69 6c 65 20 69 66 20 69 6e 64 65 78 20  g file if index 
09c0: 68 6f 64 73 20 50 72 61 67 6d 61 20 68 65 61 64  hods Pragma head
09d0: 65 72 0a 09 09 69 66 20 27 50 72 61 67 6d 61 27  er...if 'Pragma'
09e0: 20 69 6e 20 69 6e 64 65 78 5b 75 72 6c 5d 20 61   in index[url] a
09f0: 6e 64 20 69 6e 64 65 78 5b 75 72 6c 5d 5b 27 50  nd index[url]['P
0a00: 72 61 67 6d 61 27 5d 20 3d 3d 20 27 6e 6f 2d 63  ragma'] == 'no-c
0a10: 61 63 68 65 27 3a 0a 09 09 09 72 65 6c 6f 61 64  ache':....reload
0a20: 20 3d 20 54 72 75 65 0a 0a 09 09 23 20 73 6b 69   = True....# ski
0a30: 70 70 69 6e 67 20 66 69 6c 65 20 70 72 6f 63 65  pping file proce
0a40: 73 73 69 6e 67 20 69 66 20 74 68 65 72 65 27 73  ssing if there's
0a50: 20 6e 6f 20 6e 65 65 64 20 74 6f 20 72 65 63 68   no need to rech
0a60: 65 63 6b 20 69 74 20 61 6e 64 20 77 65 20 68 61  eck it and we ha
0a70: 76 65 20 63 68 65 63 6b 65 64 20 69 74 20 61 74  ve checked it at
0a80: 20 6c 65 61 73 74 20 34 20 68 6f 75 72 73 20 61   least 4 hours a
0a90: 67 6f 0a 09 09 69 66 20 6e 6f 74 20 72 65 6c 6f  go...if not relo
0aa0: 61 64 20 61 6e 64 20 27 5f 5f 74 69 6d 65 5f 5f  ad and '__time__
0ab0: 27 20 69 6e 20 69 6e 64 65 78 5b 75 72 6c 5d 20  ' in index[url] 
0ac0: 61 6e 64 20 28 64 61 74 65 74 69 6d 65 2e 64 61  and (datetime.da
0ad0: 74 65 74 69 6d 65 2e 6e 6f 77 28 29 20 2d 20 64  tetime.now() - d
0ae0: 61 74 65 74 69 6d 65 2e 74 69 6d 65 64 65 6c 74  atetime.timedelt
0af0: 61 28 68 6f 75 72 73 20 3d 20 34 29 20 2d 20 69  a(hours = 4) - i
0b00: 6e 64 65 78 5b 75 72 6c 5d 5b 27 5f 5f 74 69 6d  ndex[url]['__tim
0b10: 65 5f 5f 27 5d 29 2e 64 61 79 73 20 3c 20 30 3a  e__']).days < 0:
0b20: 0a 09 09 09 63 6f 6e 74 69 6e 75 65 0a 09 09 70  ....continue...p
0b30: 72 69 6e 74 28 27 43 68 65 63 6b 69 6e 67 20 66  rint('Checking f
0b40: 69 6c 65 3a 27 2c 20 75 72 6c 29 0a 09 09 74 72  ile:', url)...tr
0b50: 79 3a 0a 09 09 09 77 69 74 68 20 75 72 6c 6c 69  y:....with urlli
0b60: 62 2e 72 65 71 75 65 73 74 2e 75 72 6c 6f 70 65  b.request.urlope
0b70: 6e 28 6f 70 74 69 6f 6e 73 2e 72 6f 6f 74 20 2b  n(options.root +
0b80: 20 75 72 6c 29 20 61 73 20 73 6f 75 72 63 65 3a   url) as source:
0b90: 0a 09 09 09 09 6e 65 77 5f 68 65 61 64 65 72 73  .....new_headers
0ba0: 20 3d 20 7b 7d 0a 09 09 09 09 68 65 61 64 65 72   = {}.....header
0bb0: 73 20 3d 20 73 6f 75 72 63 65 2e 69 6e 66 6f 28  s = source.info(
0bc0: 29 0a 0a 09 09 09 09 23 20 73 74 72 69 70 70 69  )......# strippi
0bd0: 6e 67 20 75 6e 6e 65 65 64 65 64 20 68 65 61 64  ng unneeded head
0be0: 65 72 73 20 28 58 58 58 20 6d 61 6b 65 20 74 68  ers (XXX make th
0bf0: 69 73 20 69 6e 70 6c 61 63 65 3f 29 0a 09 09 09  is inplace?)....
0c00: 09 66 6f 72 20 68 65 61 64 65 72 20 69 6e 20 68  .for header in h
0c10: 65 61 64 65 72 73 3a 0a 09 09 09 09 09 69 66 20  eaders:......if 
0c20: 68 65 61 64 65 72 20 69 6e 20 64 65 73 63 5f 66  header in desc_f
0c30: 69 65 6c 64 73 3a 0a 09 09 09 09 09 09 69 66 20  ields:.......if 
0c40: 68 65 61 64 65 72 20 3d 3d 20 27 50 72 61 67 6d  header == 'Pragm
0c50: 61 27 20 61 6e 64 20 68 65 61 64 65 72 73 5b 68  a' and headers[h
0c60: 65 61 64 65 72 5d 20 21 3d 20 27 6e 6f 2d 63 61  eader] != 'no-ca
0c70: 63 68 65 27 3a 0a 09 09 09 09 09 09 09 70 72 69  che':........pri
0c80: 6e 74 28 27 50 72 61 67 6d 61 3a 27 2c 20 68 65  nt('Pragma:', he
0c90: 61 64 65 72 73 5b 68 65 61 64 65 72 5d 29 0a 09  aders[header])..
0ca0: 09 09 09 09 09 6e 65 77 5f 68 65 61 64 65 72 73  .....new_headers
0cb0: 5b 68 65 61 64 65 72 5d 20 3d 20 68 65 61 64 65  [header] = heade
0cc0: 72 73 5b 68 65 61 64 65 72 5d 0a 09 09 09 09 09  rs[header]......
0cd0: 65 6c 69 66 20 6e 6f 74 20 68 65 61 64 65 72 20  elif not header 
0ce0: 69 6e 20 69 67 6e 6f 72 65 5f 66 69 65 6c 64 73  in ignore_fields
0cf0: 3a 0a 09 09 09 09 09 09 70 72 69 6e 74 28 27 55  :.......print('U
0d00: 6e 64 65 66 69 6e 65 64 20 68 65 61 64 65 72 20  ndefined header 
0d10: 22 27 2c 20 68 65 61 64 65 72 2c 20 27 22 3a 20  "', header, '": 
0d20: 27 2c 20 68 65 61 64 65 72 73 5b 68 65 61 64 65  ', headers[heade
0d30: 72 5d 2c 20 73 65 70 3d 27 27 29 0a 0a 09 09 09  r], sep='').....
0d40: 09 23 20 63 6f 6d 70 61 72 69 6e 67 20 68 65 61  .# comparing hea
0d50: 64 65 72 73 20 77 69 74 68 20 64 61 74 61 20 66  ders with data f
0d60: 6f 75 6e 64 20 69 6e 20 69 6e 64 65 78 0a 09 09  ound in index...
0d70: 09 09 23 20 69 66 20 61 6e 79 20 68 65 61 64 65  ..# if any heade
0d80: 72 20 68 61 73 20 63 68 61 6e 67 65 64 20 28 65  r has changed (e
0d90: 78 63 65 70 74 20 50 72 61 67 6d 61 29 20 66 69  xcept Pragma) fi
0da0: 6c 65 20 69 73 20 66 75 6c 6c 79 20 64 6f 77 6e  le is fully down
0db0: 6c 6f 61 64 65 64 0a 09 09 09 09 23 20 73 61 6d  loaded.....# sam
0dc0: 65 20 69 66 20 77 65 20 67 65 74 20 6d 6f 72 65  e if we get more
0dd0: 20 6f 72 20 6c 65 73 73 20 68 65 61 64 65 72 73   or less headers
0de0: 0a 09 09 09 09 6f 6c 64 5f 6b 65 79 73 20 3d 20  .....old_keys = 
0df0: 73 65 74 28 69 6e 64 65 78 5b 75 72 6c 5d 2e 6b  set(index[url].k
0e00: 65 79 73 28 29 29 0a 09 09 09 09 6f 6c 64 5f 6b  eys()).....old_k
0e10: 65 79 73 2e 64 69 73 63 61 72 64 28 27 5f 5f 74  eys.discard('__t
0e20: 69 6d 65 5f 5f 27 29 0a 09 09 09 09 6f 6c 64 5f  ime__').....old_
0e30: 6b 65 79 73 2e 64 69 73 63 61 72 64 28 27 50 72  keys.discard('Pr
0e40: 61 67 6d 61 27 29 0a 09 09 09 09 6d 6f 72 65 5f  agma').....more_
0e50: 6b 65 79 73 20 3d 20 73 65 74 28 6e 65 77 5f 68  keys = set(new_h
0e60: 65 61 64 65 72 73 2e 6b 65 79 73 28 29 29 20 2d  eaders.keys()) -
0e70: 20 6f 6c 64 5f 6b 65 79 73 0a 09 09 09 09 6d 6f   old_keys.....mo
0e80: 72 65 5f 6b 65 79 73 2e 64 69 73 63 61 72 64 28  re_keys.discard(
0e90: 27 50 72 61 67 6d 61 27 29 0a 09 09 09 09 6c 65  'Pragma').....le
0ea0: 73 73 5f 6b 65 79 73 20 3d 20 6f 6c 64 5f 6b 65  ss_keys = old_ke
0eb0: 79 73 20 2d 20 73 65 74 28 6e 65 77 5f 68 65 61  ys - set(new_hea
0ec0: 64 65 72 73 2e 6b 65 79 73 28 29 29 0a 09 09 09  ders.keys())....
0ed0: 09 69 66 20 6c 65 6e 28 6d 6f 72 65 5f 6b 65 79  .if len(more_key
0ee0: 73 29 20 3e 20 30 3a 0a 09 09 09 09 09 70 72 69  s) > 0:......pri
0ef0: 6e 74 28 27 4d 6f 72 65 20 68 65 61 64 65 72 73  nt('More headers
0f00: 20 61 70 70 65 61 72 3a 27 2c 20 6d 6f 72 65 5f   appear:', more_
0f10: 6b 65 79 73 29 0a 09 09 09 09 09 72 65 6c 6f 61  keys)......reloa
0f20: 64 20 3d 20 54 72 75 65 0a 09 09 09 09 65 6c 69  d = True.....eli
0f30: 66 20 6c 65 6e 28 6c 65 73 73 5f 6b 65 79 73 29  f len(less_keys)
0f40: 20 3e 20 30 3a 0a 09 09 09 09 09 70 72 69 6e 74   > 0:......print
0f50: 28 27 4c 65 73 73 20 68 65 61 64 65 72 73 20 61  ('Less headers a
0f60: 70 70 65 61 72 3a 27 2c 20 6c 65 73 73 5f 6b 65  ppear:', less_ke
0f70: 79 73 29 0a 09 09 09 09 09 72 65 6c 6f 61 64 20  ys)......reload 
0f80: 3d 20 54 72 75 65 0a 09 09 09 09 65 6c 73 65 3a  = True.....else:
0f90: 0a 09 09 09 09 09 66 6f 72 20 6b 65 79 20 69 6e  ......for key in
0fa0: 20 69 6e 64 65 78 5b 75 72 6c 5d 2e 6b 65 79 73   index[url].keys
0fb0: 28 29 3a 0a 09 09 09 09 09 09 69 66 20 6b 65 79  ():.......if key
0fc0: 20 6e 6f 74 20 69 6e 20 28 27 5f 5f 74 69 6d 65   not in ('__time
0fd0: 5f 5f 27 2c 20 27 50 72 61 67 6d 61 27 29 20 61  __', 'Pragma') a
0fe0: 6e 64 20 6e 6f 74 20 69 6e 64 65 78 5b 75 72 6c  nd not index[url
0ff0: 5d 5b 6b 65 79 5d 20 3d 3d 20 6e 65 77 5f 68 65  ][key] == new_he
1000: 61 64 65 72 73 5b 6b 65 79 5d 3a 0a 09 09 09 09  aders[key]:.....
1010: 09 09 09 70 72 69 6e 74 28 27 48 65 61 64 65 72  ...print('Header
1020: 20 22 27 2c 20 6b 65 79 2c 20 27 22 20 63 68 61   "', key, '" cha
1030: 6e 67 65 64 20 66 72 6f 6d 20 5b 27 2c 20 69 6e  nged from [', in
1040: 64 65 78 5b 75 72 6c 5d 5b 6b 65 79 5d 2c 20 27  dex[url][key], '
1050: 5d 20 74 6f 20 5b 27 2c 20 6e 65 77 5f 68 65 61  ] to [', new_hea
1060: 64 65 72 73 5b 6b 65 79 5d 2c 20 27 5d 27 2c 20  ders[key], ']', 
1070: 73 65 70 3d 27 27 29 0a 09 09 09 09 09 09 09 72  sep='')........r
1080: 65 6c 6f 61 64 20 3d 20 54 72 75 65 0a 0a 09 09  eload = True....
1090: 09 09 23 20 64 6f 77 6e 6c 6f 61 64 69 6e 67 20  ..# downloading 
10a0: 66 69 6c 65 0a 09 09 09 09 69 66 20 72 65 6c 6f  file.....if relo
10b0: 61 64 3a 0a 09 09 09 09 09 69 66 20 27 43 6f 6e  ad:......if 'Con
10c0: 74 65 6e 74 2d 4c 65 6e 67 74 68 27 20 69 6e 20  tent-Length' in 
10d0: 68 65 61 64 65 72 73 3a 0a 09 09 09 09 09 09 70  headers:.......p
10e0: 72 69 6e 74 28 27 44 6f 77 6e 6c 6f 61 64 69 6e  rint('Downloadin
10f0: 67 27 2c 20 68 65 61 64 65 72 73 5b 27 43 6f 6e  g', headers['Con
1100: 74 65 6e 74 2d 4c 65 6e 67 74 68 27 5d 2c 20 27  tent-Length'], '
1110: 62 79 74 65 73 20 5b 27 2c 20 65 6e 64 3d 27 27  bytes [', end=''
1120: 29 0a 09 09 09 09 09 65 6c 73 65 3a 0a 09 09 09  )......else:....
1130: 09 09 09 70 72 69 6e 74 28 27 44 6f 77 6e 6c 6f  ...print('Downlo
1140: 61 64 69 6e 67 20 5b 27 2c 20 65 6e 64 3d 27 27  ading [', end=''
1150: 29 0a 09 09 09 09 09 73 79 73 2e 73 74 64 6f 75  )......sys.stdou
1160: 74 2e 66 6c 75 73 68 28 29 0a 0a 09 09 09 09 09  t.flush().......
1170: 23 20 66 69 6c 65 20 69 73 20 63 72 65 61 74 65  # file is create
1180: 64 20 61 74 20 74 65 6d 70 6f 72 61 72 79 20 6c  d at temporary l
1190: 6f 63 61 74 69 6f 6e 20 61 6e 64 20 6d 6f 76 65  ocation and move
11a0: 64 20 69 6e 20 70 6c 61 63 65 20 6f 6e 6c 79 20  d in place only 
11b0: 77 68 65 6e 20 64 6f 77 6e 6c 6f 61 64 20 63 6f  when download co
11c0: 6d 70 6c 65 74 65 73 0a 09 09 09 09 09 74 65 6d  mpletes......tem
11d0: 70 5f 66 69 6c 65 20 3d 20 6f 70 65 6e 28 6f 70  p_file = open(op
11e0: 74 69 6f 6e 73 2e 64 69 72 20 2b 20 27 2f 2e 74  tions.dir + '/.t
11f0: 6d 70 27 2c 20 27 77 62 27 29 0a 09 09 09 09 09  mp', 'wb')......
1200: 62 75 66 66 65 72 20 3d 20 73 6f 75 72 63 65 2e  buffer = source.
1210: 72 65 61 64 28 62 6c 6f 63 6b 5f 73 69 7a 65 29  read(block_size)
1220: 0a 09 09 09 09 09 62 6c 6f 63 6b 73 20 3d 20 30  ......blocks = 0
1230: 0a 09 09 09 09 09 6d 65 67 73 20 3d 20 30 0a 09  ......megs = 0..
1240: 09 09 09 09 77 68 69 6c 65 20 6c 65 6e 28 62 75  ....while len(bu
1250: 66 66 65 72 29 20 3e 20 30 3a 0a 09 09 09 09 09  ffer) > 0:......
1260: 09 74 65 6d 70 5f 66 69 6c 65 2e 77 72 69 74 65  .temp_file.write
1270: 28 62 75 66 66 65 72 29 0a 09 09 09 09 09 09 70  (buffer).......p
1280: 72 69 6e 74 28 27 2e 27 2c 20 65 6e 64 3d 27 27  rint('.', end=''
1290: 29 0a 09 09 09 09 09 09 73 79 73 2e 73 74 64 6f  ).......sys.stdo
12a0: 75 74 2e 66 6c 75 73 68 28 29 0a 09 09 09 09 09  ut.flush()......
12b0: 09 62 75 66 66 65 72 20 3d 20 73 6f 75 72 63 65  .buffer = source
12c0: 2e 72 65 61 64 28 62 6c 6f 63 6b 5f 73 69 7a 65  .read(block_size
12d0: 29 0a 09 09 09 09 09 09 62 6c 6f 63 6b 73 20 2b  ).......blocks +
12e0: 3d 20 31 0a 09 09 09 09 09 09 69 66 20 62 6c 6f  = 1.......if blo
12f0: 63 6b 73 20 3e 20 31 30 32 34 2a 31 30 32 34 2f  cks > 1024*1024/
1300: 62 6c 6f 63 6b 5f 73 69 7a 65 3a 0a 09 09 09 09  block_size:.....
1310: 09 09 09 62 6c 6f 63 6b 73 20 3d 20 62 6c 6f 63  ...blocks = bloc
1320: 6b 73 20 2d 20 31 30 32 34 2a 31 30 32 34 2f 62  ks - 1024*1024/b
1330: 6c 6f 63 6b 5f 73 69 7a 65 0a 09 09 09 09 09 09  lock_size.......
1340: 09 6d 65 67 73 20 2b 3d 20 31 0a 09 09 09 09 09  .megs += 1......
1350: 09 09 70 72 69 6e 74 28 27 7b 7d 4d 62 27 2e 66  ..print('{}Mb'.f
1360: 6f 72 6d 61 74 28 6d 65 67 73 29 2c 20 65 6e 64  ormat(megs), end
1370: 3d 27 27 29 0a 09 09 09 09 09 74 65 6d 70 5f 66  ='')......temp_f
1380: 69 6c 65 2e 63 6c 6f 73 65 28 29 0a 09 09 09 09  ile.close().....
1390: 09 70 72 69 6e 74 28 27 5d 27 29 0a 09 09 09 09  .print(']').....
13a0: 09 6f 73 2e 72 65 6e 61 6d 65 73 28 6f 70 74 69  .os.renames(opti
13b0: 6f 6e 73 2e 64 69 72 20 2b 20 27 2f 2e 74 6d 70  ons.dir + '/.tmp
13c0: 27 2c 20 66 69 6c 65 5f 6e 61 6d 65 29 0a 0a 09  ', file_name)...
13d0: 09 09 09 63 68 65 63 6b 65 64 5f 66 69 6c 65 73  ...checked_files
13e0: 20 2b 3d 20 31 0a 0a 09 09 09 09 23 20 73 74 6f   += 1......# sto
13f0: 72 69 6e 67 20 6e 65 77 20 74 69 6d 65 20 6d 61  ring new time ma
1400: 72 6b 20 61 6e 64 20 73 74 6f 72 69 6e 67 20 6e  rk and storing n
1410: 65 77 20 68 65 61 64 65 72 73 0a 09 09 09 09 6e  ew headers.....n
1420: 65 77 5f 68 65 61 64 65 72 73 5b 27 5f 5f 74 69  ew_headers['__ti
1430: 6d 65 5f 5f 27 5d 20 3d 20 64 61 74 65 74 69 6d  me__'] = datetim
1440: 65 2e 64 61 74 65 74 69 6d 65 2e 6e 6f 77 28 29  e.datetime.now()
1450: 0a 09 09 09 09 69 6e 64 65 78 5b 75 72 6c 5d 20  .....index[url] 
1460: 3d 20 6e 65 77 5f 68 65 61 64 65 72 73 0a 09 09  = new_headers...
1470: 09 09 69 6e 64 65 78 2e 73 79 6e 63 28 29 0a 0a  ..index.sync()..
1480: 09 09 65 78 63 65 70 74 20 75 72 6c 6c 69 62 2e  ..except urllib.
1490: 65 72 72 6f 72 2e 48 54 54 50 45 72 72 6f 72 20  error.HTTPError 
14a0: 61 73 20 65 72 72 6f 72 3a 0a 09 09 09 23 20 69  as error:....# i
14b0: 6e 20 63 61 73 65 20 6f 66 20 65 72 72 6f 72 20  n case of error 
14c0: 77 65 20 64 6f 6e 27 74 20 6e 65 65 64 20 74 6f  we don't need to
14d0: 20 64 6f 20 61 6e 79 74 68 69 6e 67 20 61 63 74   do anything act
14e0: 75 61 6c 6c 79 2c 0a 09 09 09 23 20 69 66 20 66  ually,....# if f
14f0: 69 6c 65 20 64 6f 77 6e 6c 6f 61 64 20 73 74 61  ile download sta
1500: 6c 6c 73 20 6f 72 20 66 61 69 6c 73 20 74 68 65  lls or fails the
1510: 20 66 69 6c 65 20 77 6f 75 6c 64 20 6e 6f 74 20   file would not 
1520: 62 65 20 6d 6f 76 65 64 20 74 6f 20 69 74 27 73  be moved to it's
1530: 20 6c 6f 63 61 74 69 6f 6e 0a 09 09 09 70 72 69   location....pri
1540: 6e 74 28 65 72 72 6f 72 29 0a 0a 09 70 72 69 6e  nt(error)...prin
1550: 74 28 27 5b 27 2c 20 6c 65 6e 28 75 6e 63 68 65  t('[', len(unche
1560: 63 6b 65 64 5f 66 69 6c 65 73 29 2c 20 27 2f 27  cked_files), '/'
1570: 2c 20 63 68 65 63 6b 65 64 5f 66 69 6c 65 73 2c  , checked_files,
1580: 20 27 5d 27 29 0a 0a 09 23 20 63 68 65 63 6b 69   ']')...# checki
1590: 6e 67 20 69 66 20 74 68 65 72 65 20 77 65 72 65  ng if there were
15a0: 20 61 6e 79 20 66 69 6c 65 73 20 64 6f 77 6e 6c   any files downl
15b0: 6f 61 64 65 64 2c 20 69 66 20 79 65 73 20 2d 20  oaded, if yes - 
15c0: 72 65 73 74 61 72 74 69 6e 67 20 73 65 71 75 65  restarting seque
15d0: 6e 63 65 0a 09 69 66 20 63 68 65 63 6b 65 64 5f  nce..if checked_
15e0: 66 69 6c 65 73 20 3d 3d 20 30 3a 0a 09 09 62 72  files == 0:...br
15f0: 65 61 6b 0a                                      eak.