Question

我正在尝试从this website下载所有文件以进行备份和镜像，但我不知道如何正确解析JavaScript链接。

我需要在命名文件夹中以相同的方式组织所有下载。例如，在第一个我将有一个名为“DAP-1150”的文件夹，里面将是一个名为“DAP-1150 A1 FW v1.10”的文件夹，其中包含文件“DAP1150A1_FW110b04_FOSS.zip”，依此类推文件。我尝试在Python中使用beautifulsoup但它似乎无法正确处理ASP链接。

Answer 1

当您使用Javascript链接时，您可以尝试使用Selenium：http://selenium-python.readthedocs.org/en/latest/getting-started.html

from selenium import webdriver
import time

driver = webdriver.Firefox()
driver.get("http://www.python.org")
time.sleep(3)   # Give your Selenium some time to load the page
link_elements = driver.find_elements_by_tag_name('a')
links = [link.get_attribute('href') for link in links]

您可以使用这些链接并将其传递给urllib2以进行相应的下载。如果您需要的不仅仅是脚本，我可以向您推荐Scrapy和Selenium的组合： selenium with scrapy for dynamic page

Answer 2

这是它正在做的事情。我刚刚使用Firefox中的标准网络检查器来快照POST操作。请记住，就像my other answer我指出的那样，这不是一个写得特别好的网站 - 根本不应该使用JS / POST。

首先，这里是JS - 它非常简单：

function oMd(pModel_,sModel_){
obj=document.form1;
obj.ModelCategory_.value=pModel_;
obj.ModelSno_.value=sModel_;
obj.Model_Sno.value='';
obj.ModelVer.value='';
obj.action='downloads2008detail.asp';
obj.submit();
}

写到这些字段：

<input type=hidden name=ModelCategory_ value=''>
<input type=hidden name=ModelSno_ value=''>

因此，您只需要一个POST表单，定位此URL：

http://tsd.dlink.com.tw/downloads2008detail.asp

这是FF网络分析仪的一组示例数据。只需要改变两个项目 - 从JS链接抓取 - 你可以抓住那些普通的刮擦：

输入= OK
ModelCategory = 0
ModelSno = 0
ModelCategory_ = DAP
ModelSno_ = 1150
Model_Sno =
ModelVer =
sel_PageNo = 1
OS = GPL

您可能通过实验发现并非所有这些都是必要的。我确实尝试在浏览器中使用GET，但看起来目标页面坚持POST。

不要忘记在点击和提交之间留出相当多的时间在你的刮刀内，因为每一个都代表远程服务器上的命中;我建议5秒，模仿人类延迟。如果你这样做太快 - 如果你的连接很好，那么远程也可能会认为你正在执行它们，并且可能会阻止你的IP。记住刮刮的座右铭：做个好机器人！

从ASP网站获取JavaScript下载链接

2 个答案: