中国裁判文书网 爬虫求助

首先，你的浏览器要能访问你要爬取的网站的 url ．但是似乎　 http://wenshu.court.gov.cn/List/TreeContent 　浏览器是打不开的．

页面已经挂了。

404

有时候 bug 就是那么简单，但是发现之前你已经被搞得吐血。

发自吐血的某某

@lzhr

@samray 这个是 post 接口，不好意思，忘说明了

@Chingim 看来大神有解决方案了，已经被虐很久了，求指教

@lzhr 然而用代码就不行

@zbl430 试试加上 cookie

@zbl430 没有啊, 我以为 bug 就是 404

同道中人啊，友情支持下

友情帮顶一下，我也卡在这个网站上了，主要是 Cookie 是加密处理的，然后 js 还是混淆的~ 应该是个叫瑞数信息的公司搞的产品，很多网站在用……

这个网站 很有意思，每一次请求翻页都要过一次验证码，加密一次密钥，带密钥访问下一个页面，你自己查看每次 http 请求的细节，就能方便的搞定了

@simapple 哥们你好,请问你知道他这个验证码是怎么生成的吗,我查看了半天,不知道这个验证码是怎么生成的,谢谢.

@McooLewis 验证码图片是后台生成的

解决问题主要在于表单中的 vl5x 参数与 guid 参数
其中通过 post guid 参数到 http://wenshu.court.gov.cn/ValiCode/GetCode 得到 number，在其出现 500 时
参数 number 为'number': 'wens'

对于 guid 参数可以通过：
import random
def guid():
return hex(int((random.random() + 1) * 0x10000))[3:]

对于 vl5x 参数可以通过：
链接： http://wenshu.court.gov.cn/List/List?最后的两个函数
var _fxxx = function (p, a, c, k, e, d).....
function getKey().....
其中 getKey()返回的就是 vl5x
运行 js 代码可以通过 python 的 PyV8 模块，附教程链接： http://blog.csdn.net/hanshileiai/article/details/51628173

但是：因为本人 js 不太会，其中 vl5x 参数是通过什么改变的，转化为 python 的代码是怎样的，希望大神能不吝赐教。

@Mrkon 你好 想知道你关于 vl5x 参数 你有解决办法吗？
我运行后 报错 ReferenceError: "getCookie" is not defined in <eval>#26:4<eval> at line number 1
p, a, c, k, e, d 是代表的什么？
期待你的回复

@fox2moon 不好意思，js 因为最近太忙没有看过，所有还是不太懂，但是你的错误我估计出现在要导入 cookie 参数，
而其中最值得的参数是 vjkl5=0ac4559fffd034030166188f40d6a9ae4c37436f;这样的，希望能帮到你。在找到解决办法后希望给我个回复，共勉。

vjkl5 这个参数变换不建议使用 python 来写，非常多，就用 pyv8 吧


vjkl5=0ac4559fffd034030166188f40d6a9ae4c37436f
getKey 这个函数实际就是将 0ac4559fffd034030166188f40d6a9ae4c37436f ->> 1514b83137a527bcbfbf590d

只能说这么多了

@zbl430 谢谢，能否问一下，如果作为一个资深爬虫工程师，一般需要对 js 掌握到什么程度啊