裁判文书网采集说明

 

 

该网站对于采集器存在以下限制：

一、验证码限制

在访问频率较高的情况下会出现访问页面需要输入验证码，如下图：

 

 

 

此验证码的生成方式为动态验证码，即每次访问一次验证码生成链接，生成的验证码都不一样，验证码动态生成链接为：http://wenshu.court.gov.cn/User/ValidateCode

在采集器中如果要进行验证码的识别，需要先下载该验证码的图片，下载需要访问一次该验证码链接，此时的验证码与实际的验证码图片已经不是同一张了，即便识别成功，也会报验证码填入错误。

二、封IP限制

我们人工模拟采集器采集页面，同一个IP，当访问频率达到一定程度时，该网站会直接拒绝访问。如下图：

 

 

   总结：若在采集中出现以上两种情况，将无法继续爬取该网站的内容。