本篇主要分析网站爬虫思路，仅供个人研究分析使用。
（虽然上个月实训老师刚讲过Java的爬虫过程，但当时对爬虫只有一知半解，实在惭愧。作为第一次实战爬虫，我还是选择了比较擅长的Python。
最近实在太忙，白天一直在外面上课，只能晚上回来搞_(:з」∠)_。）
法宝网V6版地址 http://www.pkulaw.com/
1.找到登录界面，分析网页找到POST
可以编码获取Cookie，我使用的是python
2.然后就可以在查询页面，寻找需要的文书
与上面的步骤一样，寻找POST网址，不同的是这里要找到format，替换关键字即可。
3.查询之后，我们需要通过网页源代码获取案例编号和标题
4.最后通过编号找到案例网页，爬取分析
使用正则表达式获取元素，例如下面的标题获取。
以上就是法宝网最新版网站案例的爬取过程。
其实原本是爬的V5版，已经爬了一部分，结果IP被封，只能慢慢搞，真要命，然后爬了没两天，老版V5更新网址，改动特别多，已经看不懂了=.=，本来就是第一次搞，不能再倒霉。。。只好换到V6版重新来了 囧rz
转载自原文链接, 如需删除请联系管理员。
原文链接：北大法宝网V6爬虫分析，转载请注明来源！