※ 引述《ireullin (raison detre)》之铭言： : 请问一下 : 我使用 simple_html_dom 去抓取一个aspx网站的内容 : 作法如下 : $data=array( : '__EVENTTARGET'=>'', : '__EVENTARGUMENT'=>'', : '__LASTFOCUS'=>'', : '__VIEWSTATE'=>'', : '__EVENTVALIDATION'=>'', : ); : $data_url = http_build_query($data); : $data_len = strlen ($data_url); : $request = array( : 'http' => array ( : 'method' => 'POST', : 'content' => $data_url, : 'header' => "Content-type: application/x-www-form-urlencoded\r\n" . : "Content-Length: " . $data_len . "\r\n" : ) : ); : $context = stream_context_create($request); : $html = file_get_html( : 'http://www.url.com.tw/history.aspx', : false, : $context : ); : 可是以下这几个栏位 : __EVENTTARGET : __EVENTARGUMENT : __LASTFOCUS : __VIEWSTATE : __EVENTVALIDATION : 不知道要填什麽 : 因为他是一连串不明的编码 : 可是如果保持空白 : 或是填入与 fiddler中看到相同的值的话 : 抓到的都是此网页不存在 : 请问针对aspx的这种网页 : 该如何去parsing 如果是单纯抓这网址(http://www.taiwanlottery.com.tw/Lotto/SuperLotto638/history.aspx) 可以不需要post那些栏位 但是用Charles观察发现单纯抓的时候会多返回一个404的网址(如图http://i.imgur.com/XtS6JFx.png) http://www.taiwanlottery.com.tw/Lotto/SuperLotto638/*.html 也许你抓到的都是最後一个返回的404的网址 如果是要查询特定年/月，post的栏位如下图所示： http://i.imgur.com/F8CKOeM.png 虽然工作主要是使用php，不过以前习惯用java 所以工作上的需求还是用java来完成 最近才去搜寻php相关的html parser套件，因此在板上看到这篇问题就很有兴趣了 你可以找看看为什麽Simple HTML DOM Parser会抓到404的网址 对了，在查询特定年/月时，__VIEWSTATE/__EVENTVALIDATION需要使用它给的值 不然会抓到重导回查询页的资讯 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 210.209.20.204