怎么判断百度网盘分享连接已经失效？有那么简单吗？

阅读更多

    我不知道现在有多少人在用网盘搜索引擎，但就 去转盘网来说本人倾注了很多的心血，现在使用的人数也还可以，网盘资源都有个通病，那就是资源可能失效，但很多引擎都没有做失效判断，尤其是一些google自定义的引擎，技术含量不高，站长也就花心思赚钱，很少考虑用户体验。这篇文章是本人又一篇技术公开博客，之前本人已经公开了去转盘网的几乎所有的技术细节，这一篇继续补充：

      首先做个回顾： 百度网盘爬虫 java分词算法 数 据库自动备份 代理服务器爬取 邀请好友注册

ing:utf-8
"""
@author:haoning
@create time:2015.8.5
"""
from __future__ import division  # 精确除法
from Queue import Queue
from __builtin__ import False
from _sqlite3 import SQLITE_ALTER_TABLE
from collections import OrderedDict
import copy
import datetime
import json
import math
import os
import random
import platform
import re
import threading, errno, datetime
import time
import urllib2
import MySQLdb as mdb


DB_HOST = '127.0.0.1'
DB_USER = 'root'
DB_PASS = 'root'


def gethtml(url):
    try:
        print "url",url
        req = urllib2.Request(url)
        response = urllib2.urlopen(req,None,8) #在这里应该加入代理
        html = response.read()
        return html
    except Exception,e:
        print "e",e

if __name__ == '__main__':

   while 1:
       #url='http://pan.baidu.com/share/link?uk=1813251526&shareid=540167442'
       url="http://pan.baidu.com/s/1qXQD2Pm"
       html=gethtml(url)
       print html

结果：e HTTP Error 403: Forbidden，这就是说，度娘他是反爬虫的，之后看了很多网站，一不小心试了下面的链接：

http://pan.baidu.com/share/link?uk=1813251526&shareid=540167442

if __name__ == '__main__':

   while 1:
       url='http://pan.baidu.com/share/link?uk=1813251526&shareid=540167442'
       #url="http://pan.baidu.com/s/1qXQD2Pm"
       html=gethtml(url)
       print html

结果：，你懂的，有这个的必然已经失效，看来度娘没有反爬虫，好家伙。

其实百度网盘的资源入口有两种方式：

一种是：http://pan.baidu.com/s/1qXQD2Pm,最后为短码。

另一种是：http://pan.baidu.com/share/link?uk=1813251526&shareid=540167442，关键是shareId+uk 前者已知道反爬虫，后者目前没有，所以用python测试后，本人又将代码翻译成了java，因为去转盘是用java写的，直接上代码：

package com.tray.common.utils;

import static org.junit.Assert.*;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Properties;
import java.util.Random;
import java.util.Set;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import org.junit.Test;

/**
 * 资源校验工具
 * 
 * @author hui
 * 
 */
public class ResourceCheckUtil {
    private static Map rules;
    static {
        loadRule();
    }

    /**
     * 加载规则库
     */
    public static void loadRule() {
        try {
            InputStream in = ResourceCheckUtil.class.getClassLoader()
                    .getResourceAsStream("rule.properties");
            Properties p = new Properties();
            p.load(in);
            Set