50元求一网站采集规则，高难度，高手请进
本帖最后由 dkpeqf5 于 2011-6-30 21:23 编辑50元求一个网址采集规则，难度较大，需要高手才能弄，新手请不要打扰！！
QQ：2425549293 已经联系 QQ1391828939 联系qq : 284145780 至今，仍然没有高手解决，？哪位可以弄呢？ 回复 4# dkpeqf5
那只能说明。你给的银子还不够让高手敢兴趣。。。 回复 1# dkpeqf5
发下网址吧，比较感兴趣有难度的 加到100元，有哪位能搞定的话！ 什么规则呀ali64lsali62ls 至今无人能搞定，有意愿的尝试的可以QQ联系：2425549293 本帖最后由 zhouchanglin 于 2011-7-1 19:49 编辑
http://lib.cqvip.com/ZK/search.aspx?E=%28Introduce%3D@%29*%28WeeKS%3D258%29&M=&P=1
这个网站吧
本地架设php环境，用php模拟post，获取ScrollPage(11,569,549);里的2,3参数，生成每页的html文件，最后采集这些html文件
href='javascript:ScrollPage(2,389,0);'>2</a>
翻页函数：function ScrollPage(page,cursor,lc)
{
document.DownForm.P.value=page;
document.DownForm.CC.value=cursor;
document.DownForm.LC.value=lc;
document.DownForm.action="/ZK/search.aspx";
document.DownForm.target="_self";
document.DownForm.submit();
}翻页提交的表单<form name="DownForm" method="post">
<input type="hidden" name="E" value="(Introduce=@)*(WeeKS=258)" />
<input type="hidden" name="M" value="" />
<input type="hidden" name="P" value="1"/>
<input type="hidden" name="CP" value="1"/>
<input type="hidden" name="CC" value="0"/>
<input type="hidden" name="LC" value="0"/>
<input type="hidden" name="H" value="" />
<input type="hidden" name="Entry" value="" />
<input type="hidden" name="S"value="0"/>
<input type="hidden" name="SJ" id="DownFormSJ" value="0"/>
<input type="hidden" name="ZJ" value="" />
<input type="hidden" name="GC" value="" />
<input type="hidden" name="Type" value="" />
<input type="hidden" name="strChkRecord" id="strChkRecord" value="" />
<input type="hidden" name="ChkRecordCount" id="ChkRecordCount" value="0" />
</form>同时name="CC “被重新设置ScrollPage(11,569,549);中第2个参数，name="LC"-------------第3个参数，好像是来源页和当前页的信息，还是不清楚第2个参数怎么生成的，没有规律，第3个参数就是原来的第2个参数
我是用curl 模拟post，依次获取下一页的关键信息，就是目标页的ScrollPage(11,569,549);里第2,3，参数，然后组成post数据，提交给http://lib.cqvip.com/ZK/search.aspx，开始时测试页码时变的，但内容始终是第一页，最后才发现组合的post数据里有个字段错了
错误的post数据：$postdata='E=%28Introduce%3D@%29*%28WeeKS%3D258%29&M=&P='.$yema.'&CP='.$yema.'&CC='.$cc.'&LC='.$lc.'&H=&Entry=&S=0&SJ=0&ZJ=&Type=&strChkRecord=&ChkRecordCount=0';
其中CP='.$yema错了，应该是CP='.$yema-1，因为是从这页翻页，修改后，可以生成这些html文件，然后火车头采集，由于请求很多分页，所以速度很慢，有雨本人是php菜鸟，一些动态效果也不会，好像缓存输出的，不会，另外这个只能对你这个查询条件有效，当然可以通过第一个页面，获得一些不变的表单字段，然后应该可以通用，我这个php文件还没有做这些
php环境，wamp安装包，使用比较简单，狭义开启curl扩展，默认没有开启
wamp下载地址http://www.wampserver.com/en/
文件：
这是我生成的31页html，说明，一页页的依次向后翻页，得到的html会和原网站相同，路过网站跳跃翻页，东翻西翻，好像会不同，不清楚怎么回事】
页:
[1]
2