使用python破除网页限制

　　昨天找到一个比较好的人工智能网站， 其中有一些很不错的 prolog 文章，我很感兴趣。文中有很多示例程式，可是网页的右键被禁止了，也不能选择，不能保存，不能察看源代码！！

　　??? 实在不爽，信息本来就要共享嘛！

　　??? 只好发扬下 hack 精神，冲破限制。还好，有 python 方便多了。

　　??? 网页中增加限制，无非是在 html 中配置脚本，既然浏览器能够显示出来，就一定能得到他的文本。

　　第一步，在 python shell 中执行：

　　>>> import urllib

　　>>> urllib.urlretrieve("http://www.chinaai.org/Article_Show.asp?ArticleID=315","c:/tmp.html")

　　urlretrieve 能够把一个网页保存到本地文档。

　　第二步，分析这个 tmp.html 文档，发现其中的?< body > 标签比较恶心：

　　body leftmargin=0 topmargin=0 onmousemove='HideMenu()' oncontextmenu="return false" ondragstart="return false" onselectstart ="return false" onselect="document．selection.empty()" oncopy="document．selection.empty()" onbeforecopy="return false" onmouseup="document．selection.empty()"

　　把这个标签换成比较干净的：body leftmargin=0 topmargin=0 onmousemove='HideMenu()'

　　（注意， < > 在这里省略了）

　　浏览这个文档， ok 限制解除。

　　第三步， 自动下载网页，进行“净化”处理， 编写一个python?程式：

　　import urllib

　　urls = {'http://www.chinaai.org/Article_Show.asp?ArticleID=315':'prolog2.html'}

　　new_tag = ""

　　for url in urls:

　　??filename = urls[url]

　　??urllib.urlretrieve(url,filename)

　　??f = open(filename,'r')

　　??content = f.read()

　　??f.close()

　　??l_pos = content.find('<body')

　　??r_pos = content.find('>', l_pos)

　　??cont1 = content[:l_pos]

　　??cont2 = content[r_pos 1:]

　　??content = cont1 new_tag cont2

　　??f = open('tmp.html','w')

　　??f.write(content)

　　??f.close()

　　程式中 urls 是个 字典，里面是 url 和 相应的本地文档名， 使用者能够根据自己的情况添加。

　　注意，这个程式是专门针对这个网站的， 对于其他的网站，可能使用的方法会有不同，但是按照上面的步骤，相信大家都能搞定。

　　我们的口号是，“还我自由！”

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有