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

@Mrkon 个人觉得，能把你需要的 js 转成 python 写的就行了，没必要特意去学，很多技术都是现学现搞，日后加深

@Mrkon list 页面的 js 中都没有看到 getkey()函数，请问是在哪里可以找出这个函数的定义？

@zbl430 恩，谢谢，已关注，以后多交流啊

@Hombin 首先网站是： http://wenshu.court.gov.cn/List/List? 后面常常会跟一堆参数
其次在最后。。。我不会发截图，函数在最后两段，还特地给你标注了”//函数(两段必须的)“ ，找定义要善于 firebug

这个数据的爬取没有什么难度的，请看 openlaw.cn

@vs412237401 它网站的数据还没我的多呢...

@zbl430 大佬你好，我现在正在做这个网站的爬虫，现在它页面源码里获取 vjkl5 的 getkey 函数貌似被混淆了，现在没法获取 vjkl5 的值了，搞得我现在焦头烂额，不知道该怎么做了，请问大佬有什么好的解决办法么？希望能回复啊，多谢多谢

@Mrkon 大佬你好，我现在正在做这个网站的爬虫，现在它页面源码里获取 vjkl5 的 getkey 函数貌似被混淆了，现在没法获取 vjkl5 的值了，搞得我现在焦头烂额，不知道该怎么做了，请问大佬有什么好的解决办法么？希望能回复啊，多谢多谢

@wenziyue 那就运行这段函数啊，用 py 去运行 js，你百度应该有方法

@zbl430
function getKey() {
var aaaafun = function (p, a, c, k, e, d) { e = function (c) { return (c < a ? "" : e(parseInt(c / a))) + ((c = c % a) > 35 ? String.fromCharCode(c + 29) : c.toString(36)) }; if (!''.replace(/^/, String)) { while (c--) d[e(c)] = k[c] || e(c); k = [function (e) { return d[e] } ]; e = function () { return '\\w+' }; c = 1; }; while (c--) if (k[c]) p = p.replace(new RegExp('\\b' + e(c) + '\\b', 'g'), k[c]); return p; }
eval(aaaafun('7 8(2,4,3){5 6=3.9(\'|\');a(5 1=0;1<4;1++){2=2.f(e b(\'\\\\{\'+1+\'\\\\}\',\'c\'),6[1])}d 2}', 16, 16, '|i|str|strReplace|count|var|arrReplace|function|de|split|for|RegExp|g|return|new|replace'.split('|'), 0, {}))
eval(de("{15}un{12}tion {4}str) {v{10}r lOng= 0;{15}or (v{10}r i = 0; i < str.l{14}ngth; i++) {long += {9}(i) << (i % 16));}r{14}turn long;}{15}un{12}tion {0}(str) {v{10}r lOng= 0;{15}or (v{10}r i = 0; i < str.l{14}ngth; i++) {long += {9}(i) << (i % 16)) + i;}r{14}turn long;}{15}un{12}tion {0}2(str,st{14}p) {v{10}r lOng= 0;{15}or (v{10}r i = 0; i < str.l{14}ngth; i++) {long += {9}(i) << (i % 16)) + (i * st{14}p);}r{14}turn long;}{15}un{12}tion {0}3(str, st{14}p) {v{10}r lOng= 0;{15}or (v{10}r i = 0; i < str.l{14}ngth; i++) {long += {9}(i) << (i % 16)) + (i + st{14}p - str.{12}h{10}rCo{13}{14}At(i));}r{14}turn long;}{8}0(str) {v{10}r str = str.{3}5, 5 * 5) + str.{3}(5 + 1) * (5 + 1), 3);v{10}r {10} = str.{3}5) + str.{3}-4);v{10}r {11} = str.{3}4) + {10}.{3}-6);r{14}turn {2}).{3}4, 24);}{8}1(str) "strToLongEn|strToLong(str.substr|hex_md5(str|substr(|strToLong(|hex_md5(|base.encode(|new Base64();|function makeKey_|(str.charCodeAt|a|b|c|d|e|f"))

多谢回复啊，他现在网页源码里这个 js 函数都是这样的一堆东西，我只贴了一部分，代码是混淆过的，这种东西没法运行的吧。。。

@wenziyue 是的， 这个是 packed 包装过的。特征字符串是"eval"开头。把 var aaaafun 的定义替换到第一个 eval 之后的 aaaafun。在执行一次解密，依此类推。 给你一个可以用来解密的网站： http://matthewfl.com/unPacker.html

@OxhydrylLithium 太感谢了！已经解密出来了，多谢多谢！

@wenziyue getKey()怎么解出来的，是用 pyv8 吗？用 python 执行这个 js 函数时，一直报错

@zc15238092914 #33 f12 用浏览器的 console

@zc15238092914 我是用楼上大神给的网站把混淆过的 js 代码还原了，然后用 pyv8 执行还原的 js 得到了 vl5x，我不清楚用 pyv8 执行混淆的 js 能不能得到结果，但是现在几个参数都有了，向 http://wenshu.court.gov.cn/List/ListContent 发 post 请求返回的结果为空。。。头疼

@zbl430 大神，我现在用 pyv8 执行 js 能获得 vl5x 了，几个参数现在都有了，但是向 /List/ListContent 发 post 请求返回的结果为空，按理说它应该返回一个 json 啊，是需要加 cookie 吗？

@OxhydrylLithium 大神你好，我用你的方法获得了 vl5x，几个参数现在都有了，但是向 /List/ListContent 发 post 请求返回的结果为空，按理说它应该返回一个 json 啊，是需加 cookie 吗？

@wenziyue #36 那你的 vl5x 和浏览器算出的做对比，看看是不是一样， 比如 vjkl5=cf370b569dff2cad90014e18a63dba0705ba2384， 算出的 vl5x 是 57210fbd1e1b17173950aa8b

@zbl430 这个我对比过了，完全一样，参数应该没问题，但是不清楚为什么返回的数据为空，加了 cookie 和 referer 也依然没用，项目本来说的今天要上线，现在还没做出来，已经快疯了，大神我能加你个 Q 问你一下吗

@wenziyue 我也用那个网站处理了 js，但是执行，一直报 SyntaxError: Unexpected token ILLEGAL ( @ 29 : 22 ) -> eval(aaaafun('7 8(2,4,3) ，有解决方案吗？或者加个微信 zhangchenchen123123，交流下

@zc15238092914 好的，我加你吧

@wenziyue 好的 微信 zhangchenchen123123 qq：1104595182

@wenziyue 我的也基本解决，大量跑出裁判文书数据呢，现在想弄下它的 app。app 有研究过？大佬。加下我的 qq 吧：390982209。

@wenziyue 抱歉最近很忙没什么时间看，刚看到你的回复。分析了一下流量发现首先发送的 guid 和 number 必须配对 然后每次都要有上一次有效的 vjkl5 cookie。你看看是不是这方面的问题，除了参数生成过程难发现以外其他的看起来难度很小。

@wenziyue 你好，请问下 getKey()的 js 怎么解析的