Resync
[CMakeLuaTailorHgBridge.git] / CMakeLua / Utilities / cmcurl-7.19.0 / docs / TheArtOfHttpScripting
blobe4212db713859bb8954dd3419eebb3b7ff1d8f8e
1 Online:  http://curl.haxx.se/docs/httpscripting.html
2 Date:    May 28, 2008
4                 The Art Of Scripting HTTP Requests Using Curl
5                 =============================================
7  This document will assume that you're familiar with HTML and general
8  networking.
10  The possibility to write scripts is essential to make a good computer
11  system. Unix' capability to be extended by shell scripts and various tools to
12  run various automated commands and scripts is one reason why it has succeeded
13  so well.
15  The increasing amount of applications moving to the web has made "HTTP
16  Scripting" more frequently requested and wanted. To be able to automatically
17  extract information from the web, to fake users, to post or upload data to
18  web servers are all important tasks today.
20  Curl is a command line tool for doing all sorts of URL manipulations and
21  transfers, but this particular document will focus on how to use it when
22  doing HTTP requests for fun and profit. I'll assume that you know how to
23  invoke 'curl --help' or 'curl --manual' to get basic information about it.
25  Curl is not written to do everything for you. It makes the requests, it gets
26  the data, it sends data and it retrieves the information. You probably need
27  to glue everything together using some kind of script language or repeated
28  manual invokes.
30 1. The HTTP Protocol
32  HTTP is the protocol used to fetch data from web servers. It is a very simple
33  protocol that is built upon TCP/IP. The protocol also allows information to
34  get sent to the server from the client using a few different methods, as will
35  be shown here.
37  HTTP is plain ASCII text lines being sent by the client to a server to
38  request a particular action, and then the server replies a few text lines
39  before the actual requested content is sent to the client.
41  Using curl's option -v will display what kind of commands curl sends to the
42  server, as well as a few other informational texts. -v is the single most
43  useful option when it comes to debug or even understand the curl<->server
44  interaction.
46 2. URL
48  The Uniform Resource Locator format is how you specify the address of a
49  particular resource on the Internet. You know these, you've seen URLs like
50  http://curl.haxx.se or https://yourbank.com a million times.
52 3. GET a page
54  The simplest and most common request/operation made using HTTP is to get a
55  URL. The URL could itself refer to a web page, an image or a file. The client
56  issues a GET request to the server and receives the document it asked for.
57  If you issue the command line
59         curl http://curl.haxx.se
61  you get a web page returned in your terminal window. The entire HTML document
62  that that URL holds.
64  All HTTP replies contain a set of headers that are normally hidden, use
65  curl's -i option to display them as well as the rest of the document. You can
66  also ask the remote server for ONLY the headers by using the -I option (which
67  will make curl issue a HEAD request).
69 4. Forms
71  Forms are the general way a web site can present a HTML page with fields for
72  the user to enter data in, and then press some kind of 'OK' or 'submit'
73  button to get that data sent to the server. The server then typically uses
74  the posted data to decide how to act. Like using the entered words to search
75  in a database, or to add the info in a bug track system, display the entered
76  address on a map or using the info as a login-prompt verifying that the user
77  is allowed to see what it is about to see.
79  Of course there has to be some kind of program in the server end to receive
80  the data you send. You cannot just invent something out of the air.
82  4.1 GET
84   A GET-form uses the method GET, as specified in HTML like:
86         <form method="GET" action="junk.cgi">
87           <input type=text name="birthyear">
88           <input type=submit name=press value="OK">
89         </form>
91   In your favorite browser, this form will appear with a text box to fill in
92   and a press-button labeled "OK". If you fill in '1905' and press the OK
93   button, your browser will then create a new URL to get for you. The URL will
94   get "junk.cgi?birthyear=1905&press=OK" appended to the path part of the
95   previous URL.
97   If the original form was seen on the page "www.hotmail.com/when/birth.html",
98   the second page you'll get will become
99   "www.hotmail.com/when/junk.cgi?birthyear=1905&press=OK".
101   Most search engines work this way.
103   To make curl do the GET form post for you, just enter the expected created
104   URL:
106         curl "www.hotmail.com/when/junk.cgi?birthyear=1905&press=OK"
108  4.2 POST
110   The GET method makes all input field names get displayed in the URL field of
111   your browser. That's generally a good thing when you want to be able to
112   bookmark that page with your given data, but it is an obvious disadvantage
113   if you entered secret information in one of the fields or if there are a
114   large amount of fields creating a very long and unreadable URL.
116   The HTTP protocol then offers the POST method. This way the client sends the
117   data separated from the URL and thus you won't see any of it in the URL
118   address field.
120   The form would look very similar to the previous one:
122         <form method="POST" action="junk.cgi">
123           <input type=text name="birthyear">
124           <input type=submit name=press value=" OK ">
125         </form>
127   And to use curl to post this form with the same data filled in as before, we
128   could do it like:
130         curl -d "birthyear=1905&press=%20OK%20" www.hotmail.com/when/junk.cgi
132   This kind of POST will use the Content-Type
133   application/x-www-form-urlencoded and is the most widely used POST kind.
135   The data you send to the server MUST already be properly encoded, curl will
136   not do that for you. For example, if you want the data to contain a space,
137   you need to replace that space with %20 etc. Failing to comply with this
138   will most likely cause your data to be received wrongly and messed up.
140   Recent curl versions can in fact url-encode POST data for you, like this:
142         curl --data-urlencode "name=I am Daniel" www.example.com
144  4.3 File Upload POST
146   Back in late 1995 they defined an additional way to post data over HTTP. It
147   is documented in the RFC 1867, why this method sometimes is referred to as
148   RFC1867-posting.
150   This method is mainly designed to better support file uploads. A form that
151   allows a user to upload a file could be written like this in HTML:
153     <form method="POST" enctype='multipart/form-data' action="upload.cgi">
154       <input type=file name=upload>
155       <input type=submit name=press value="OK">
156     </form>
158   This clearly shows that the Content-Type about to be sent is
159   multipart/form-data.
161   To post to a form like this with curl, you enter a command line like:
163         curl -F upload=@localfilename -F press=OK [URL]
165  4.4 Hidden Fields
167   A very common way for HTML based application to pass state information
168   between pages is to add hidden fields to the forms. Hidden fields are
169   already filled in, they aren't displayed to the user and they get passed
170   along just as all the other fields.
172   A similar example form with one visible field, one hidden field and one
173   submit button could look like:
175     <form method="POST" action="foobar.cgi">
176       <input type=text name="birthyear">
177       <input type=hidden name="person" value="daniel">
178       <input type=submit name="press" value="OK">
179     </form>
181   To post this with curl, you won't have to think about if the fields are
182   hidden or not. To curl they're all the same:
184         curl -d "birthyear=1905&press=OK&person=daniel" [URL]
186  4.5 Figure Out What A POST Looks Like
188   When you're about fill in a form and send to a server by using curl instead
189   of a browser, you're of course very interested in sending a POST exactly the
190   way your browser does.
192   An easy way to get to see this, is to save the HTML page with the form on
193   your local disk, modify the 'method' to a GET, and press the submit button
194   (you could also change the action URL if you want to).
196   You will then clearly see the data get appended to the URL, separated with a
197   '?'-letter as GET forms are supposed to.
199 5. PUT
201  The perhaps best way to upload data to a HTTP server is to use PUT. Then
202  again, this of course requires that someone put a program or script on the
203  server end that knows how to receive a HTTP PUT stream.
205  Put a file to a HTTP server with curl:
207         curl -T uploadfile www.uploadhttp.com/receive.cgi
209 6. HTTP Authentication
211  HTTP Authentication is the ability to tell the server your username and
212  password so that it can verify that you're allowed to do the request you're
213  doing. The Basic authentication used in HTTP (which is the type curl uses by
214  default) is *plain* *text* based, which means it sends username and password
215  only slightly obfuscated, but still fully readable by anyone that sniffs on
216  the network between you and the remote server.
218  To tell curl to use a user and password for authentication:
220         curl -u name:password www.secrets.com
222  The site might require a different authentication method (check the headers
223  returned by the server), and then --ntlm, --digest, --negotiate or even
224  --anyauth might be options that suit you.
226  Sometimes your HTTP access is only available through the use of a HTTP
227  proxy. This seems to be especially common at various companies. A HTTP proxy
228  may require its own user and password to allow the client to get through to
229  the Internet. To specify those with curl, run something like:
231         curl -U proxyuser:proxypassword curl.haxx.se
233  If your proxy requires the authentication to be done using the NTLM method,
234  use --proxy-ntlm, if it requires Digest use --proxy-digest.
236  If you use any one these user+password options but leave out the password
237  part, curl will prompt for the password interactively.
239  Do note that when a program is run, its parameters might be possible to see
240  when listing the running processes of the system. Thus, other users may be
241  able to watch your passwords if you pass them as plain command line
242  options. There are ways to circumvent this.
244  It is worth noting that while this is how HTTP Authentication works, very
245  many web sites will not use this concept when they provide logins etc. See
246  the Web Login chapter further below for more details on that.
248 7. Referer
250  A HTTP request may include a 'referer' field (yes it is misspelled), which
251  can be used to tell from which URL the client got to this particular
252  resource. Some programs/scripts check the referer field of requests to verify
253  that this wasn't arriving from an external site or an unknown page. While
254  this is a stupid way to check something so easily forged, many scripts still
255  do it. Using curl, you can put anything you want in the referer-field and
256  thus more easily be able to fool the server into serving your request.
258  Use curl to set the referer field with:
260         curl -e http://curl.haxx.se daniel.haxx.se
262 8. User Agent
264  Very similar to the referer field, all HTTP requests may set the User-Agent
265  field. It names what user agent (client) that is being used. Many
266  applications use this information to decide how to display pages. Silly web
267  programmers try to make different pages for users of different browsers to
268  make them look the best possible for their particular browsers. They usually
269  also do different kinds of javascript, vbscript etc.
271  At times, you will see that getting a page with curl will not return the same
272  page that you see when getting the page with your browser. Then you know it
273  is time to set the User Agent field to fool the server into thinking you're
274  one of those browsers.
276  To make curl look like Internet Explorer on a Windows 2000 box:
278         curl -A "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)" [URL]
280  Or why not look like you're using Netscape 4.73 on a Linux (PIII) box:
282         curl -A "Mozilla/4.73 [en] (X11; U; Linux 2.2.15 i686)" [URL]
284 9. Redirects
286  When a resource is requested from a server, the reply from the server may
287  include a hint about where the browser should go next to find this page, or a
288  new page keeping newly generated output. The header that tells the browser
289  to redirect is Location:.
291  Curl does not follow Location: headers by default, but will simply display
292  such pages in the same manner it display all HTTP replies. It does however
293  feature an option that will make it attempt to follow the Location: pointers.
295  To tell curl to follow a Location: 
297         curl -L www.sitethatredirects.com
299  If you use curl to POST to a site that immediately redirects you to another
300  page, you can safely use -L and -d/-F together. Curl will only use POST in
301  the first request, and then revert to GET in the following operations.
303 10. Cookies
305  The way the web browsers do "client side state control" is by using
306  cookies. Cookies are just names with associated contents. The cookies are
307  sent to the client by the server. The server tells the client for what path
308  and host name it wants the cookie sent back, and it also sends an expiration
309  date and a few more properties.
311  When a client communicates with a server with a name and path as previously
312  specified in a received cookie, the client sends back the cookies and their
313  contents to the server, unless of course they are expired.
315  Many applications and servers use this method to connect a series of requests
316  into a single logical session. To be able to use curl in such occasions, we
317  must be able to record and send back cookies the way the web application
318  expects them. The same way browsers deal with them.
320  The simplest way to send a few cookies to the server when getting a page with
321  curl is to add them on the command line like:
323         curl -b "name=Daniel" www.cookiesite.com
325  Cookies are sent as common HTTP headers. This is practical as it allows curl
326  to record cookies simply by recording headers. Record cookies with curl by
327  using the -D option like:
329         curl -D headers_and_cookies www.cookiesite.com
331  (Take note that the -c option described below is a better way to store
332  cookies.)
334  Curl has a full blown cookie parsing engine built-in that comes to use if you
335  want to reconnect to a server and use cookies that were stored from a
336  previous connection (or handicrafted manually to fool the server into
337  believing you had a previous connection). To use previously stored cookies,
338  you run curl like:
340         curl -b stored_cookies_in_file www.cookiesite.com
342  Curl's "cookie engine" gets enabled when you use the -b option. If you only
343  want curl to understand received cookies, use -b with a file that doesn't
344  exist. Example, if you want to let curl understand cookies from a page and
345  follow a location (and thus possibly send back cookies it received), you can
346  invoke it like:
348         curl -b nada -L www.cookiesite.com
350  Curl has the ability to read and write cookie files that use the same file
351  format that Netscape and Mozilla do. It is a convenient way to share cookies
352  between browsers and automatic scripts. The -b switch automatically detects
353  if a given file is such a cookie file and parses it, and by using the
354  -c/--cookie-jar option you'll make curl write a new cookie file at the end of
355  an operation:
357         curl -b cookies.txt -c newcookies.txt www.cookiesite.com
359 11. HTTPS
361  There are a few ways to do secure HTTP transfers. The by far most common
362  protocol for doing this is what is generally known as HTTPS, HTTP over
363  SSL. SSL encrypts all the data that is sent and received over the network and
364  thus makes it harder for attackers to spy on sensitive information.
366  SSL (or TLS as the latest version of the standard is called) offers a
367  truckload of advanced features to allow all those encryptions and key
368  infrastructure mechanisms encrypted HTTP requires.
370  Curl supports encrypted fetches thanks to the freely available OpenSSL
371  libraries. To get a page from a HTTPS server, simply run curl like:
373         curl https://that.secure.server.com
375  11.1 Certificates
377   In the HTTPS world, you use certificates to validate that you are the one
378   you claim to be, as an addition to normal passwords. Curl supports client-
379   side certificates. All certificates are locked with a pass phrase, which you
380   need to enter before the certificate can be used by curl. The pass phrase
381   can be specified on the command line or if not, entered interactively when
382   curl queries for it. Use a certificate with curl on a HTTPS server like:
384         curl -E mycert.pem https://that.secure.server.com
386   curl also tries to verify that the server is who it claims to be, by
387   verifying the server's certificate against a locally stored CA cert
388   bundle. Failing the verification will cause curl to deny the connection. You
389   must then use -k in case you want to tell curl to ignore that the server
390   can't be verified.
392   More about server certificate verification and ca cert bundles can be read
393   in the SSLCERTS document, available online here:
395         http://curl.haxx.se/docs/sslcerts.html
397 12. Custom Request Elements
399  Doing fancy stuff, you may need to add or change elements of a single curl
400  request.
402  For example, you can change the POST request to a PROPFIND and send the data
403  as "Content-Type: text/xml" (instead of the default Content-Type) like this:
405         curl -d "<xml>" -H "Content-Type: text/xml" -X PROPFIND url.com
407  You can delete a default header by providing one without content. Like you
408  can ruin the request by chopping off the Host: header:
410         curl -H "Host:" http://mysite.com
412  You can add headers the same way. Your server may want a "Destination:"
413  header, and you can add it:
415         curl -H "Destination: http://moo.com/nowhere" http://url.com
417 13. Web Login
419  While not strictly just HTTP related, it still cause a lot of people problems
420  so here's the executive run-down of how the vast majority of all login forms
421  work and how to login to them using curl.
423  It can also be noted that to do this properly in an automated fashion, you
424  will most certainly need to script things and do multiple curl invokes etc.
426  First, servers mostly use cookies to track the logged-in status of the
427  client, so you will need to capture the cookies you receive in the
428  responses. Then, many sites also set a special cookie on the login page (to
429  make sure you got there through their login page) so you should make a habit
430  of first getting the login-form page to capture the cookies set there.
432  Some web-based login systems features various amounts of javascript, and
433  sometimes they use such code to set or modify cookie contents. Possibly they
434  do that to prevent programmed logins, like this manual describes how to...
435  Anyway, if reading the code isn't enough to let you repeat the behavior
436  manually, capturing the HTTP requests done by your browers and analyzing the
437  sent cookies is usually a working method to work out how to shortcut the
438  javascript need.
440  In the actual <form> tag for the login, lots of sites fill-in random/session
441  or otherwise secretly generated hidden tags and you may need to first capture
442  the HTML code for the login form and extract all the hidden fields to be able
443  to do a proper login POST. Remember that the contents need to be URL encoded
444  when sent in a normal POST.
447 14. Debug
449  Many times when you run curl on a site, you'll notice that the site doesn't
450  seem to respond the same way to your curl requests as it does to your
451  browser's.
453  Then you need to start making your curl requests more similar to your
454  browser's requests:
456  * Use the --trace-ascii option to store fully detailed logs of the requests
457    for easier analyzing and better understanding
459  * Make sure you check for and use cookies when needed (both reading with -b
460    and writing with -c)
462  * Set user-agent to one like a recent popular browser does
464  * Set referer like it is set by the browser
466  * If you use POST, make sure you send all the fields and in the same order as
467    the browser does it. (See chapter 4.5 above)
469  A very good helper to make sure you do this right, is the LiveHTTPHeader tool
470  that lets you view all headers you send and receive with Mozilla/Firefox
471  (even when using HTTPS).
473  A more raw approach is to capture the HTTP traffic on the network with tools
474  such as ethereal or tcpdump and check what headers that were sent and
475  received by the browser. (HTTPS makes this technique inefficient.)
477 15. References
479  RFC 2616 is a must to read if you want in-depth understanding of the HTTP
480  protocol.
482  RFC 2396 explains the URL syntax.
484  RFC 2109 defines how cookies are supposed to work.
486  RFC 1867 defines the HTTP post upload format.
488  http://www.openssl.org is the home of the OpenSSL project
490  http://curl.haxx.se is the home of the cURL project