抓取动态网页(HTML网页中巧用URL的原理及原理分析(一))

　　抓取动态网页(HTML网页中巧用URL的原理及原理分析(一))

　　在 HTML 页面中巧妙地使用 URL：

　　一、发布地址给大家测试

　　/test/htmlpro/?name=cnbruce&email=

　　1.现在流行的（可能是因为最近问的人多了）就是不带文件名的URL地址。例如，htmlpro/? 其实这和服务器设置的默认文件名有关，比如index.htm、index.html、index.asp等，不信可以试试我的一位朋友（asp的）。

　　2.这里的文件是index.html，后面有参数。页面效果类似于ASP提取信息内容。

　　以下为转载文章（作者刘晓）可以解释一下

　　经常上网的朋友一定很熟悉“host/***.asp?arg1=*&arg2=*”等URL（即网址）。这类URL的作用是通过在URL后面附加信息内容，将相关信息传递给远程Web服务器，并在Web服务器进行适当处理后将结果返回给客户端，从而达到网页交互的目的并实现动态网页内容。. （注：URL和信息内容用“？”连接，内容字段用字符“&”分隔，每个字段的名称/值用“name=value”的形式表示。）但是通过这种方式实现的动态网页都需要服务器端编程技术的支持。最近，作者在制作个人网站时使用了浏览器支持的DHTML和XML技术。动态网页。

　　一、原理分析

　　当浏览器以这种方式向Web服务器请求时，Web服务器会解析请求地址的URL，将querystring字符串存储在“？”之后。在服务器特定的环境变量中，然后调用服务器端的编程执行环境，如ASP(Activex Server Page)等来处理请求的程序文件。

　　调用什么样的编程执行环境取决于服务器的设置。如果请求的文档是asp类型的文件，则调用ASP，如果是aspx类型的文件，则调用ASP.NET。在程序文件中，可以通过一定的方法读取环境变量，比如asp文件，可以通过Reques.Querystring数据集合读取环境变量。编程执行环境处理后，将结果返回给Web服务器，Web服务器将结果返回给浏览器，从而达到动态网页内容的目的。

　　通过上面的分析我们可以知道，如果使用*.htm?querystring方法向Web服务器发送请求，Web服务器会直接将请求的HTML页面返回给浏览器。这时候我们可以使用网页中的Location.href属性来获取带有附加信息内容的URL字符串。经过适当的处理，我们可以得到附加信息内容字段的名称和值，然后利用浏览器支持的DHTML特性进行处理，网页的内容可以是动态的，从而达到不支持服务器端编程技术的免费主页空间上的网页交互。

　　我们也可以看到，动态网页交互的目的是通过这种方式实现的，即使是在浏览器中实现，也还是摆脱不了web服务器的支持，否则浏览器会把“?querystring”当作请求的 URL 的一部分，因此出现无法查看网页的错误消息。

　　二、应用实例

　　--- 下面给出了带有详细注释的具体示例源代码。注意：querystring.js是一个实用程序，可以直接在网页中引用，然后在网页中使用Request["name"]获取用户输入的相关信息内容。

　　1.querystring.js 源代码

　　函数查询字符串（）

　　{//构造参数对象并初始化

　　变量名称，值，我；

　　var str=location.href;//获取浏览器地址栏的url字符串

　　var num=str.indexOf("?")

　　str=str.substr(num+1);//截取“?”后面的参数字符串

　　var arrtmp=str.split("&");//将各个参数分开，组成参数数组

　　for(i=0;i < arrtmp.length;i++){

　　num=arrtmp[i].indexOf("=");

　　如果（数字>0){

　　name=arrtmp[i].substring(0,num);//获取参数名称

　　value=arrtmp[i].substr(num+1);//获取参数值

　　this[name]=value;//定义对象属性并初始化

　　}

　　}

　　}

　　var Request=new QueryString();//使用new操作符创建参数对象的实例

　　2.Sample.htm 源代码

　　例子

　　如果使用 DHTML 和 XML 技术扩展此示例，将获得令人难以置信的结果。笔者就是这样在首页空间搭建了一个不错的动态图片查看器，只支持纯HTML