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:百度云 网盘-链接不存在,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 keys = p.keySet();
			Iterator iterator = keys.iterator();
			String key = null;
			String value = null;
			String[] rule = null;
			rules = new HashMap();
			while (iterator.hasNext()) {
				key = (String) iterator.next();
				value = (String) p.get(key);
				rule = value.split("\\|");
				rules.put(key, rule);
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

	public static String httpRequest(String url) {
		try {
			URL u = new URL(url);
			Random random = new Random();
			HttpURLConnection connection = (HttpURLConnection) u
					.openConnection();
			connection.setConnectTimeout(3000);//3秒超时
			connection.setReadTimeout(3000); 
			connection.setDoOutput(true);
			connection.setDoInput(true);
			connection.setUseCaches(false);
			connection.setRequestMethod("GET");
			
			String[] user_agents = {
                    "Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11",
                    "Opera/9.25 (Windows NT 5.1; U; en)",
                    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
                    "Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)",
                    "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12",
                    "Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9",
                    "Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",
                    "Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "
            };
			int index=random.nextInt(7);
			/*connection.setRequestProperty("Content-Type",
					"text/html;charset=UTF-8");*/
			connection.setRequestProperty("User-Agent",user_agents[index]);
			/*connection.setRequestProperty("Accept-Encoding","gzip, deflate, sdch");
			connection.setRequestProperty("Accept-Language","zh-CN,zh;q=0.8");
			connection.setRequestProperty("Connection","keep-alive");
			connection.setRequestProperty("Host","pan.baidu.com");
			connection.setRequestProperty("Cookie","");
			connection.setRequestProperty("Upgrade-Insecure-Requests","1");*/
			InputStream in = connection.getInputStream();

			BufferedReader br = new BufferedReader(new InputStreamReader(in,
					"utf-8"));
			StringBuffer sb = new StringBuffer();
			String line = null;
			while ((line = br.readLine()) != null) {
				sb.append(line);
			}
			return sb.toString();

		} catch (MalformedURLException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}

		return null;
	}

	 @Test
	 public void test7() throws Exception {
		 System.out.println(isExistResource("http://pan.baidu.com/s/1jGjBmyq",
		 "baidu"));
		 System.out.println(isExistResource("http://pan.baidu.com/s/1jGjBmyqa",
		 "baidu"));
		
		 System.out.println(isExistResource("http://yunpan.cn/cQx6e6xv38jTd","360"));
		 System.out.println(isExistResource("http://yunpan.cn/cQx6e6xv38jTdd",
		 "360"));
		
		 System.out.println(isExistResource("http://share.weiyun.com/ec4f41f0da292adb89a745200b8e8b57","weiyun"));
		 System.out.println(isExistResource("http://share.weiyun.com/ec4f41f0da292adb89a745200b8e8b57dd",
		 "360"));
		
		 System.out.println(isExistResource("http://cloud.letv.com/s/eiGLzuSes","leshi"));
		 System.out.println(isExistResource("http://cloud.letv.com/s/eiGLzuSesdd",
		 "leshi"));
	 }

	/**
	 * 获取指定页面上标签的内容
	 * 
	 * @param url
	 * @param tagName
	 *            标签名称
	 * @return
	 */
	private static String getHtmlContent(String url, String tagName) {
		String html = httpRequest(url);
		if(html==null){
			return "";
		}
		Document doc = Jsoup.parse(html);
		//System.out.println("doc======"+doc);
		Elements tag=null;
		if(tagName.equals("

")){ //针对微云 tag=doc.select("h3"); } else if(tagName.equals("class")){ //针对360 tag=doc.select("div[class=tip]"); } else{ tag= doc.getElementsByTag(tagName); } //System.out.println("tag======"+tag); String content=""; if(tag!=null&&!tag.isEmpty()){ content = tag.get(0).text(); } return content; } public static int isExistResource(String url, String ruleName) { try { String[] rule = rules.get(ruleName); String tagName = rule[0]; String opt = rule[1]; String flag = rule[2]; /*System.out.println("ruleName"+ruleName); System.out.println("tagName"+tagName); System.out.println("opt"+opt); System.out.println("flag"+flag); System.out.println("url"+url);*/ String content = getHtmlContent(url, tagName); //System.out.println("content="+content); if(ruleName.equals("baidu")){ if(content.contains("百度云升级")){ //升级作为不存在处理 return 1; } } String regex = null; if ("eq".equals(opt)) { regex = "^" + flag + "$"; } else if ("bg".equals(opt)) { regex = "^" + flag + ".*$"; } else if ("ed".equals(opt)) { regex = "^.*" + flag + "$"; } else if ("like".equals(opt)) { regex = "^.*" + flag + ".*$"; }else if("contain".equals(opt)){ if(content.contains(flag)){ return 0; } else{ return 1; } } if(content.matches(regex)){ return 1; } } catch (Exception e) { e.printStackTrace(); } return 0; } // public static void main(String[] args)throws Exception { // final Path p = Paths.get("C:/Users/hui/Desktop/6-14/"); // final WatchService watchService = // FileSystems.getDefault().newWatchService(); // p.register(watchService, StandardWatchEventKinds.ENTRY_MODIFY); // new Thread(new Runnable() { // // public void run() { // while(true){ // System.out.println("检测中。。。。"); // try { // WatchKey watchKey = watchService.take(); // List> watchEvents = watchKey.pollEvents(); // // for(WatchEvent event : watchEvents){ // //TODO 根据事件类型采取不同的操作。。。。。。。 // System.out.println("["+p.getFileName()+"/"+event.context()+"]文件发生了["+event.kind()+"]事件"); // } // watchKey.reset(); // // } catch (Exception e) { // e.printStackTrace(); // } // } // } // }).start(); // } // @Test // public void testName() throws Exception { // System.out.println(new String("\u8BF7\u8F93\u5165\u63D0\u53D6\u7801".getBytes("utf-8"), "utf-8")); // } }


注意代码本生要用来兼容360,微盘等网盘的,但有些网盘倒了,大家都知道,不过代码还是得在,这才是程序猿该有的思路,那就是可宽展,注意代码有个配置文件,我也附上吧:


360=class|contain|\u5206\u4EAB\u8005\u5DF2\u53D6\u6D88\u6B64\u5206\u4EAB
baidu=title|contain|\u94FE\u63A5\u4E0D\u5B58\u5728
weiyun=

|contain|\u5206\u4EAB\u8D44\u6E90\u5DF2\u7ECF\u5220\u9664
leshi=title|ed|\u63D0\u53D6\u6587\u4EF6

sorry,unicode编码,麻烦你自己转下码吧,不会请百度:unicode转码工具

到此,去转盘网链接是否失效的验证,代码我已经完全公开,喜欢这篇博客的孩子请收藏并关注下。

    

     


你可能感兴趣的:(java,百度,python)