如何从存档中获取原始URL。短链接是否使用python？

我想写一个函数，它以

存档.is

（或

存档.fo

，

存档.li

，或

存档.day

）链接作为输入，并给出原始站点的URL作为输出

例如，如果输入是

'http://archive.is/9mIro“

，则我希望输出为

”http://www.dailytelegraph.com.au/news/nsw/australian-army-bans-male-recruits-to-get-female-numbers-up/news-story/69ee9dc1d4f8836e9cca7ca2e3e5680a“

---

我如何在python中做到这一点？

是的，您的方法可能适用于其他站点，但

存档.is

似乎可以保护他们的数据不受自动查询的影响，当我尝试curl时，python（urllib2）从服务器得到错误

的空回复。您需要类似于phantomjs的东西来模拟真实的浏览器。我相信它只适用于少数查询，然后会显示验证码或给出错误。此外，它们似乎还记录ip地址，甚至PhantomJ也会从尝试curl或python的同一台机器上获得错误

以下是有效的phantomjs代码：

var webPage=require（'webPage'）；
var page=webPage.create（）；
var系统=要求（“系统”）；
var args=system.args；
page.settings.userAgent='Mozilla/5.0（windowsnt 6.1；WOW64）AppleWebKit/537.36（KHTML，比如Gecko）Chrome/37.0.2062.120 Safari/537.36'；
函数getOriginalUrl（shortUrl，cb）{
页面打开（短URL、函数（状态）{
//控制台日志（状态）；
var url=page.evaluate（函数（）{
return document.querySelector（'form input'）。值；
});
cb（url）；
});
}
如果（参数长度>1）{
getOriginalUrl（参数[1]，函数（url）{
console.log（url）；
phantom.exit（）；
});
}否则{
log（'passurl'）；
phantom.exit（）；
}
在做了一些研究之后，我将采用的方法（除非有人有更好的想法）是使用BeautifulSoup在归档页面的头部获取
的
href
字段，然后使用regexp从中获取原始url。