robot.tcl

   1 #!/usr/bin/tclsh
   2 # $Id: robot.tcl,v 1.11 2001/01/23 11:26:43 adam Exp $
   3 #
   4 proc RobotFileNext1 {area lead} {
   5     puts "RobotFileNext1 area=$area lead=$lead"
   6     if {[catch {set ns [glob ${area}/*]}]} {
   7         return {}
   8     }
   9     foreach n $ns {
  10         if {[file isfile $n]} {
  11             set off [string last / $n]
  12             incr off 2
  13             return $lead/[string range $n $off end]
  14         }
  15     }
  16     foreach n $ns {
  17         if {[file isdirectory $n]} {
  18             set off [string last / $n]
  19             incr off 2
  20             set sb [RobotFileNext1 $n $lead/[string range $n $off end]]
  21             if {[string length $sb]} {
  22                 return $sb
  23             }
  24         }
  25     }
  26     return {}
  27 }
  28
  29 proc RobotWriteRecord {outf fromurl distance} {
  30     puts $outf "<zmbot>"
  31     puts $outf "<distance>"
  32     puts $outf $distance
  33     puts $outf "</distance>"
  34     puts $outf "<fromurl>"
  35     puts $outf $fromurl
  36     puts $outf "</fromurl>"
  37     puts $outf "</zmbot>"
  38 }
  39
  40 proc RobotReadRecord {inf fromurlx distancex} {
  41     upvar $fromurlx fromurl
  42     upvar $distancex distance
  43     gets $inf
  44     gets $inf
  45     set distance [string trim [gets $inf]]
  46     puts "got distance = $distance"
  47     gets $inf
  48     gets $inf
  49     set fromurl [string trim [gets $inf]]
  50 }
  51
  52 proc RobotFileNext {area} {
  53     global robotSeq global idleTime ns
  54
  55     puts "RobotFileNext robotSeq=$robotSeq"
  56     if {$robotSeq < 0} {
  57         return {}
  58     }
  59     if {$robotSeq == 0} {
  60         if {[catch {set ns [glob ${area}/*]}]} {
  61             return {}
  62         }
  63     }
  64     set off [string length $area]
  65     incr off
  66     set n [lindex $ns $robotSeq]
  67     if {![string length $n]} {
  68         set robotSeq -1
  69         flush stdout
  70         puts "------------ N E X T  R O U N D --------"
  71         return wait
  72     }
  73     incr robotSeq
  74     if {[file isfile $n/frobots.txt]} {
  75         puts "ok returning http://[string range $n $off end]/robots.txt"
  76         return http://[string range $n $off end]/robots.txt
  77     } elseif {[file isdirectory $n]} {
  78         set sb [RobotFileNext1 $n http://[string range $n $off end]]
  79         if {[string length $sb]} {
  80             return $sb
  81         }
  82     }
  83     puts "no more work at end of RobotFileNext n=$n"
  84     puts "ns=$ns"
  85     return {}
  86 }
  87
  88
  89 proc RobotFileExist {area host path} {
  90     puts "RobotFileExist begin area=$area host=$host path=$path"
  91     set lpath [split $path /]
  92     set l [llength $lpath]
  93     incr l -1
  94     set t [lindex $lpath $l]
  95     incr l -1
  96     set npath $area/$host[join [lrange $lpath 0 $l] /d]/f$t
  97     puts "RobotFileExist end npath=$npath"
  98     return [file exists $npath]
  99 }
 100
 101 proc RobotFileUnlink {area host path} {
 102     puts "RobotFileUnlink begin"
 103     puts "area=$area host=$host path=$path"
 104     set lpath [split $path /]
 105     set l [llength $lpath]
 106     incr l -1
 107     set t [lindex $lpath $l]
 108     incr l -1
 109     set npath $area/$host[join [lrange $lpath 0 $l] /d]/f$t
 110     puts "npath=$npath"
 111     set comp [split $npath /]
 112     set l [llength $comp]
 113     incr l -1
 114     if {[catch {exec rm [join $comp /]}]} return
 115     incr l -1
 116     for {set i $l} {$i > 0} {incr i -1} {
 117         set path [join [lrange $comp 0 $i] /]
 118         if {![catch {glob $path/*}]} return
 119         exec rmdir ./$path
 120     }
 121     puts "RobotFileUnlink end"
 122 }
 123
 124 proc RobotFileClose {out} {
 125     if [string compare $out stdout] {
 126         close $out
 127     }
 128 }
 129
 130 proc RobotFileOpen {area host path {mode w}} {
 131     set orgPwd [pwd]
 132     global workdir
 133
 134     if {![info exists workdir]} {
 135         return stdout
 136     }
 137     puts "RobotFileOpen orgPwd=$orgPwd area=$area host=$host path=$path mode=$mode"
 138     if {[string compare $orgPwd $workdir]} {
 139         puts "ooops. RobotFileOpen failed"
 140         puts "workdir = $workdir"
 141         puts "pwd = $orgPwd"
 142         exit 1
 143     }
 144     set comp [split $area/$host$path /]
 145     set len [llength $comp]
 146     incr len -1
 147     for {set i 0} {$i < $len} {incr i} {
 148         if {$i > 1} {
 149             set d "d[lindex $comp $i]"
 150         } else {
 151             set d [lindex $comp $i]
 152         }
 153         if {[catch {cd ./$d}]} {
 154             exec mkdir $d
 155             cd ./$d
 156             if {![string compare $area unvisited] && $i == 1 && $mode == "w"} {
 157                 set out [open frobots.txt w]
 158                 puts "creating robots.txt in $d"
 159                 close $out
 160             }
 161         }
 162     }
 163     set d [lindex $comp $len]
 164     if {[string length $d]} {
 165         if {[file isdirectory $d]} {
 166             set out [open $d/f $mode]
 167         } else {
 168             set out [open f$d $mode]
 169         }
 170     } else {
 171         set out [open f $mode]
 172     }
 173     cd $orgPwd
 174     return $out
 175 }
 176
 177 proc RobotRR {} {
 178     global robotSeq robotsRunning
 179
 180     incr robotsRunning -1
 181     while {$robotsRunning} {
 182         vwait robotsRunning
 183     }
 184     set robotSeq 0
 185     RobotStart
 186 }
 187
 188 proc RobotRestart {url sock} {
 189     global URL robotsRunning
 190
 191     close $sock
 192     after cancel $URL($sock,cancel)
 193
 194     foreach v [array names URL $url,*] {
 195         unset URL($v)
 196     }
 197
 198     incr robotsRunning -1
 199     RobotStart
 200 }
 201
 202 proc RobotStart {} {
 203     global URL
 204     global robotsRunning robotsMax idleTime
 205
 206     puts "RobotStart"
 207     while {1} {
 208         set url [RobotFileNext unvisited]
 209         if {![string length $url]} {
 210             return
 211         }
 212         incr robotsRunning
 213         if {[string compare $url wait] == 0} {
 214             after $idleTime RobotRR
 215             return
 216         }
 217         set r [RobotGetUrl $url {}]
 218         if {!$r} {
 219             if {$robotsRunning >= $robotsMax} return
 220         } else {
 221             incr robotsRunning -1
 222             if {![RobotFileExist bad $URL($url,hostport) $URL($url,path)]} {
 223                 set outf [RobotFileOpen bad $URL($url,hostport) $URL($url,path)]
 224                 RobotFileClose $outf
 225             }
 226             RobotFileUnlink unvisited $URL($url,hostport) $URL($url,path)
 227         }
 228     }
 229 }
 230
 231 proc headSave {url out} {
 232     global URL
 233
 234     if {[info exists URL($url,head,last-modified)]} {
 235         puts $out "<lastmodified>$URL($url,head,last-modified)</lastmodified>"
 236     }
 237     puts $out {<si>}
 238     if {[info exists URL($url,head,date)]} {
 239         puts $out " <date>$URL($url,head,date)</date>"
 240     }
 241     if {[info exists URL($url,head,content-length)]} {
 242         puts $out " <by>$URL($url,head,content-length)</by>"
 243     }
 244     if {[info exists URL($url,head,server)]} {
 245         puts $out " <format>$URL($url,head,server)</format>"
 246     }
 247     puts $out {</si>}
 248     puts $out {<publisher>}
 249     puts $out " <identifier>$url</identifier>"
 250     if {[info exists URL($url,head,content-type)]} {
 251         puts $out " <type>$URL($url,head,content-type)</type>"
 252     }
 253     puts $out {</publisher>}
 254 }
 255
 256 proc RobotHref {url hrefx hostx pathx} {
 257     global URL domains
 258     upvar $hrefx href
 259     upvar $hostx host
 260     upvar $pathx path
 261
 262     puts "Ref url = $url href=$href"
 263
 264     if {[string first { } $href] >= 0} {
 265         return 0
 266     }
 267     if {[string first {?} $url] >= 0 && [string first {?} $href] >= 0} {
 268         return 0
 269     }
 270     # get method (if any)
 271     if {![regexp {^([^/:]+):(.*)} $href x method hpath]} {
 272         set hpath $href
 273         set method http
 274     } else {
 275         if {[string compare $method http]} {
 276             return 0
 277         }
 278     }
 279     # get host (if any)
 280     if {[regexp {^//([^/]+)([^\#]*)} $hpath x host surl]} {
 281         if {![string length $surl]} {
 282             set surl /
 283         }
 284         set ok 0
 285         foreach domain $domains {
 286             if {[string match $domain $host]} {
 287                 set ok 1
 288                 break
 289             }
 290         }
 291         if {!$ok} {
 292             return 0
 293         }
 294     } else {
 295         regexp {^([^\#]*)} $hpath x surl
 296         set host $URL($url,hostport)
 297     }
 298     if {![string length $surl]} {
 299         return 0
 300     }
 301     if {[string first / $surl]} {
 302         # relative path
 303         regexp {^([^\#?]*)} $URL($url,path) x dpart
 304         set l [string last / $dpart]
 305         if {[expr $l >= 0]} {
 306             set surl [string range $dpart 0 $l]$surl
 307         } else {
 308             set surl $dpart/$surl
 309         }
 310     }
 311     set c [split $surl /]
 312     set i [llength $c]
 313     incr i -1
 314     set path [lindex $c $i]
 315     incr i -1
 316     while {$i >= 0} {
 317         switch -- [lindex $c $i] {
 318             .. {
 319                 incr i -2
 320                 if {$i < 0} {
 321                     set i 0
 322                 }
 323             }
 324             . {
 325                 incr i -1
 326             }
 327             default {
 328                 set path [lindex $c $i]/$path
 329                 incr i -1
 330             }
 331         }
 332     }
 333     regsub -all {~} $path {%7E} path
 334     set href "$method://$host$path"
 335     puts "Ref href = $href"
 336     return 1
 337 }
 338
 339 proc RobotError {url code} {
 340     global URL
 341
 342     puts "Bad URL $url, $code"
 343     set fromurl {}
 344     set distance -1
 345     if {[RobotFileExist unvisited $URL($url,hostport) $URL($url,path)]} {
 346         set inf [RobotFileOpen unvisited $URL($url,hostport) $URL($url,path) r]
 347         RobotReadRecord $inf fromurl distance
 348         RobotFileClose $inf
 349     }
 350     RobotFileUnlink unvisited $URL($url,hostport) $URL($url,path)
 351     if {![RobotFileExist bad $URL($url,hostport) $URL($url,path)]} {
 352         set outf [RobotFileOpen bad $URL($url,hostport) $URL($url,path)]
 353         RobotWriteRecord $outf $fromurl $distance
 354         RobotFileClose $outf
 355     }
 356 }
 357
 358 proc RobotRedirect {url tourl code} {
 359     global URL
 360
 361     puts "Redirecting from $url to $tourl"
 362
 363     set distance {}
 364     set fromurl {}
 365     if {[RobotFileExist unvisited $URL($url,hostport) $URL($url,path)]} {
 366         set inf [RobotFileOpen unvisited $URL($url,hostport) $URL($url,path) r]
 367         RobotReadRecord $inf fromurl distance
 368         RobotFileClose $inf
 369     }
 370     if {![RobotFileExist bad $URL($url,hostport) $URL($url,path)]} {
 371         set outf [RobotFileOpen bad $URL($url,hostport) $URL($url,path)]
 372         RobotWriteRecord $outf $fromurl $distance
 373         RobotFileClose $outf
 374     }
 375     if {[RobotHref $url tourl host path]} {
 376         if {![RobotFileExist visited $host $path]} {
 377             if {![RobotFileExist unvisited $host $path]} {
 378                 set outf [RobotFileOpen unvisited $host $path]
 379                 RobotWriteRecord $outf $fromurl $distance
 380                 RobotFileClose $outf
 381             }
 382         } else {
 383             set olddistance {}
 384             set inf [RobotFileOpen visited $host $path r]
 385             RobotReadRecord $inf oldurl olddistance
 386             RobotFileClose $inf
 387             if {[string length $olddistance] == 0} {
 388                 set olddistance 1000
 389             }
 390             if {[string length $distance] == 0} {
 391                 set distance 1000
 392             }
 393             puts "distance=$distance olddistance=$olddistance"
 394             if {[expr $distance < $olddistance]} {
 395                 set outf [RobotFileOpen unvisited $host $path]
 396                 RobotWriteRecord $outf $tourl $distance
 397                 RobotFileClose $outf
 398             }
 399         }
 400     }
 401     if {[catch {RobotFileUnlink unvisited $URL($url,hostport) $URL($url,path)}]} {
 402         puts "unlink failed"
 403         exit 1
 404     }
 405 }
 406
 407 proc RobotTextHtml {url out} {
 408     global URL maxDistance
 409
 410     set distance 0
 411     if {$maxDistance < 1000 && [info exists URL($url,dist)]} {
 412         set distance [expr $URL($url,dist) + 1]
 413     }
 414     htmlSwitch $URL($url,buf) \
 415         title {
 416             puts $out "<title>$body</title>"
 417         } -nonest meta {
 418             puts -nonewline $out "<meta"
 419             foreach a [array names parm] {
 420                 puts -nonewline $out " $a"
 421                 puts -nonewline $out {="}
 422                 puts -nonewline $out $parm($a)
 423                 puts -nonewline $out {"}
 424             }
 425             puts $out {></meta>}
 426         } body {
 427             regsub -all -nocase {<script.*</script>} $body {} abody
 428             regsub -all {<[^\>]+>} $abody {} nbody
 429             puts $out "<documentcontent>"
 430             puts $out $nbody
 431             puts $out "</documentcontent>"
 432         } a {
 433             if {![info exists parm(href)]} {
 434                 puts "no href"
 435                 continue
 436             }
 437             if {[expr $distance <= $maxDistance]} {
 438                 set href [string trim $parm(href)]
 439                 if {![RobotHref $url href host path]} continue
 440
 441                 puts $out "<cr>"
 442                 puts $out "<identifier>$href</identifier>"
 443                 puts $out "<description>$body</description>"
 444                 puts $out "</cr>"
 445
 446                 if {![RobotFileExist visited $host $path]} {
 447                     set olddistance 1000
 448                     if {![RobotFileExist bad $host $path]} {
 449                         if {[RobotFileExist unvisited $host $path]} {
 450                             set inf [RobotFileOpen unvisited $host $path r]
 451                             RobotReadRecord $inf oldurl olddistance
 452                             RobotFileClose $inf
 453                         }
 454                     } else {
 455                         set olddistance 0
 456                     }
 457                     if {[string length $olddistance] == 0} {
 458                         set olddistance 1000
 459                     }
 460                     if {[expr $distance < $olddistance]} {
 461                         set outf [RobotFileOpen unvisited $host $path]
 462                         RobotWriteRecord $outf $url $distance
 463                         RobotFileClose $outf
 464                     }
 465                 } elseif {[string compare $href $url]} {
 466                     set inf [RobotFileOpen visited $host $path r]
 467                     RobotReadRecord $inf xurl olddistance
 468                     close $inf
 469                     if {[string length $olddistance] == 0} {
 470                         set olddistance 1000
 471                     }
 472                     if {[expr $distance < $olddistance]} {
 473                         puts "OK remarking url=$url href=$href"
 474                         puts "olddistance = $olddistance"
 475                         puts "newdistance = $distance"
 476                         set outf [RobotFileOpen unvisited $host $path]
 477                         RobotWriteRecord $outf $url $distance
 478                         RobotFileClose $outf
 479                     }
 480                 }
 481             }
 482         }
 483 }
 484
 485 proc RobotsTxt {url} {
 486     global agent URL
 487
 488     RobotsTxt0 URL(URL($url,hostport),robots) $URL($url,buf)
 489 }
 490
 491 proc RobotsTxt0 {v buf} {
 492     global URL agent
 493     set section 0
 494     foreach l [split $buf \n] {
 495         if {[regexp {([-A-Za-z]+):[ \t]*([^\#]+)} $l match cmd arg]} {
 496             puts "cmd=$cmd arg=$arg"
 497             switch $cmd {
 498                 User-Agent {
 499                     if {$section} break
 500                     set pat [string tolower $arg]*
 501                     set section [string match $pat $agent]
 502                 }
 503                 Disallow {
 504                     if {$section} {
 505                         puts "rule [list 0 $arg]"
 506                         lappend $v [list 0 $arg]
 507                     }
 508                 }
 509                 Allow {
 510                     if {$section} {
 511                         puts "rule [list 1 $arg]"
 512                         lappend $v [list 1 $arg]
 513                     }
 514                 }
 515             }
 516         }
 517     }
 518 }
 519
 520 proc RobotTextPlain {url out} {
 521     global URL
 522
 523     puts $out "<documentcontent>"
 524     puts $out $URL($url,buf)
 525     puts $out "</documentcontent>"
 526
 527     if {![string compare $URL($url,path) /robots.txt]} {
 528         RobotsTxt $url
 529     }
 530 }
 531
 532 proc Robot200 {url} {
 533     global URL domains
 534
 535     set out [RobotFileOpen visited $URL($url,hostport) $URL($url,path)]
 536     puts $out "<zmbot>"
 537
 538     set distance 1000
 539     if {[RobotFileExist unvisited $URL($url,hostport) $URL($url,path)]} {
 540         set inf [RobotFileOpen unvisited $URL($url,hostport) $URL($url,path) r]
 541         RobotReadRecord $inf fromurl distance
 542         RobotFileClose $inf
 543     }
 544     set URL($url,dist) $distance
 545     puts $out "<distance>"
 546     puts $out "  $distance"
 547     puts $out "</distance>"
 548     headSave $url $out
 549     puts "Parsing $url distance=$distance"
 550     switch $URL($url,head,content-type) {
 551         text/html {
 552             if {[string length $distance]} {
 553                 RobotTextHtml $url $out
 554             }
 555         }
 556         text/plain {
 557             RobotTextPlain $url $out
 558         }
 559         application/pdf {
 560             set pdff [open test.pdf w]
 561             puts -nonewline $pdff $URL($url,buf)
 562             close $pdff
 563         }
 564     }
 565     puts $out "</zmbot>"
 566     RobotFileClose $out
 567     # puts "Parsing done"
 568     RobotFileUnlink unvisited $URL($url,hostport) $URL($url,path)
 569 }
 570
 571 proc RobotReadContent {url sock binary} {
 572     global URL
 573
 574     puts "RobotReadContent $url"
 575     set buffer [read $sock 16384]
 576     set readCount [string length $buffer]
 577
 578     if {$readCount <= 0} {
 579         Robot200 $url
 580         RobotRestart $url $sock
 581     } elseif {!$binary && [string first \0 $buffer] >= 0} {
 582         Robot200 $url
 583         RobotRestart $url $sock
 584     } else {
 585         # puts "Got $readCount bytes"
 586         set URL($url,buf) $URL($url,buf)$buffer
 587     }
 588 }
 589
 590 proc RobotReadHeader {url sock} {
 591     global URL
 592
 593     puts "RobotReadHeader $url"
 594     if {[catch {set buffer [read $sock 2148]}]} {
 595         RobotError $url 404
 596         RobotRestart $url $sock
 597     }
 598     set readCount [string length $buffer]
 599
 600     if {$readCount <= 0} {
 601         RobotError $url 404
 602         RobotRestart $url $sock
 603     } else {
 604         # puts "Got $readCount bytes"
 605         set URL($url,buf) $URL($url,buf)$buffer
 606
 607         set n [string first \r\n\r\n $URL($url,buf)]
 608         if {$n > 1} {
 609             set code 0
 610             set version {}
 611             set headbuf [string range $URL($url,buf) 0 $n]
 612             incr n 4
 613             set URL($url,buf) [string range $URL($url,buf) $n end]
 614
 615             regexp {^HTTP/([0-9.]+)[ ]+([0-9]+)} $headbuf x version code
 616             set lines [split $headbuf \n]
 617             foreach line $lines {
 618                 if {[regexp {^([^:]+):[ ]+(.*)} $line x name value]} {
 619                     set URL($url,head,[string tolower $name]) [string trim $value]
 620                 }
 621             }
 622             puts "code = $code"
 623             set URL($url,state) skip
 624             switch $code {
 625                 301 {
 626                     RobotRedirect $url $URL($url,head,location) 301
 627                     RobotRestart $url $sock
 628                 }
 629                 302 {
 630                     RobotRedirect $url $URL($url,head,location) 302
 631                     RobotRestart $url $sock
 632                 }
 633                 200 {
 634                     if {![info exists URL($url,head,content-type)]} {
 635                         set URL($url,head,content-type) {}
 636                     }
 637                     set binary 0
 638                     switch $URL($url,head,content-type) {
 639                         application/pdf {
 640                             set binary 1
 641                         }
 642                     }
 643                     fileevent $sock readable [list RobotReadContent $url $sock $binary]
 644                 }
 645                 default {
 646                     RobotError $url $code
 647                     RobotRestart $url $sock
 648                 }
 649             }
 650         }
 651     }
 652 }
 653
 654 proc RobotSockCancel {url sock} {
 655
 656     puts "RobotSockCancel sock=$sock url=$url"
 657     RobotError $url 401
 658     RobotRestart $url $sock
 659 }
 660
 661 proc RobotConnect {url sock} {
 662     global URL agent
 663
 664     fconfigure $sock -translation {lf crlf} -blocking 0
 665     fileevent $sock readable [list RobotReadHeader $url $sock]
 666     puts $sock "GET $URL($url,path) HTTP/1.0"
 667     puts $sock "Host: $URL($url,host)"
 668     puts $sock "User-Agent: $agent"
 669     puts $sock ""
 670     flush $sock
 671     set URL($sock,cancel) [after 30000 [list RobotSockCancel $url $sock]]
 672 }
 673
 674 proc RobotNop {} {
 675
 676 }
 677
 678 proc RobotGetUrl {url phost} {
 679     global URL robotsRunning
 680     flush stdout
 681     puts "RobotGetUrl --------- robotsRunning=$robotsRunning url=$url"
 682     if {![regexp {([^:]+)://([^/]+)(.*)} $url x method hostport path]} {
 683         return -1
 684     }
 685     if {![regexp {([^:]+):([0-9]+)} $hostport x host port]} {
 686         set port 80
 687         set host $hostport
 688     }
 689     set URL($url,method) $method
 690     set URL($url,host) $host
 691     set URL($url,hostport) $hostport
 692     set URL($url,path) $path
 693     set URL($url,state) head
 694     set URL($url,buf) {}
 695
 696     if {[string compare $path /robots.txt]} {
 697         set ok 1
 698         if {![info exists URL($hostport,robots)]} {
 699             puts "READING robots.txt for host $hostport"
 700             if {[RobotFileExist visited $hostport /robots.txt]} {
 701                 set inf [RobotFileOpen visited $hostport /robots.txt r]
 702                 set buf [read $inf 32768]
 703                 close $inf
 704             } else {
 705                 set buf "User-Agent: *\nAllow: /\n"
 706             }
 707             RobotsTxt0 URL($hostport,robots) $buf
 708         }
 709         if {[info exists URL($hostport,robots)]} {
 710             foreach l $URL($hostport,robots) {
 711                 if {[string first [lindex $l 1] $path] == 0} {
 712                     set ok [lindex $l 0]
 713                     break
 714                 }
 715             }
 716         }
 717         if {!$ok} {
 718             return -1
 719         }
 720     }
 721     if [catch {set sock [socket -async $host $port]}] {
 722         return -1
 723     }
 724     RobotConnect $url $sock
 725
 726     return 0
 727 }
 728
 729 if {![llength [info commands htmlSwitch]]} {
 730     set e [info sharedlibextension]
 731     if {[catch {load ./tclrobot$e}]} {
 732         load tclrobot$e
 733     }
 734 }
 735
 736 set agent "zmbot/0.0"
 737 if {![catch {set os [exec uname -s -r]}]} {
 738     set agent "$agent ($os)"
 739 }
 740
 741 puts "agent: $agent"
 742
 743 proc bgerror {m} {
 744     global errorInfo
 745     puts "BGERROR $m"
 746     puts $errorInfo
 747 }
 748
 749 set robotsRunning 0
 750 set robotSeq 0
 751 set workdir [pwd]
 752 set idleTime 60000
 753
 754 set i 0
 755 set l [llength $argv]
 756
 757 if {$l < 2} {
 758     puts {tclrobot: usage [-j jobs] [-c count] [-d domain] [url ..]}
 759     puts " Example: -c 3 -d '*.dk' http://www.indexdata.dk/"
 760     exit 1
 761 }
 762
 763 while  {$i < $l} {
 764     set arg [lindex $argv $i]
 765     switch -glob -- $arg {
 766         -j* {
 767             set robotsMax [string range $arg 2 end]
 768             if {![string length $robotsMax]} {
 769                 set robotsMax [lindex $argv [incr i]]
 770             }
 771         }
 772         -c* {
 773             set maxDistance [string range $arg 2 end]
 774             if {![string length $maxDistance]} {
 775                 set maxDistance [lindex $argv [incr i]]
 776             }
 777         }
 778         -d* {
 779             set dom [string range $arg 2 end]
 780             if {![string length $dom]} {
 781                 set dom [lindex $argv [incr i]]
 782             }
 783             lappend domains $dom
 784         }
 785         default {
 786             set href $arg
 787             if {[RobotHref http://www.indexdata.dk/ href host path]} {
 788                 if {![RobotFileExist visited $host $path]} {
 789                     set outf [RobotFileOpen unvisited $host $path]
 790                     RobotWriteRecord $outf href 0
 791                     RobotFileClose $outf
 792                 }
 793             }
 794         }
 795     }
 796     incr i
 797 }
 798
 799 if {![info exist domains]} {
 800     set domains {*}
 801 }
 802 if {![info exist maxDistance]} {
 803     set maxDistance 3
 804 }
 805 if {![info exist robotsMax]} {
 806     set robotsMax 5
 807 }
 808
 809 puts "domains=$domains"
 810 puts "max distance=$maxDistance"
 811 puts "max jobs=$robotsMax"
 812
 813 RobotStart
 814
 815 while {$robotsRunning} {
 816     vwait robotsRunning
 817 }