如何访问存档网站上的隐藏日期？

Question

首先，我对编程一无所知。我想要做的是访问此存档网站上未显示的 17 个日期：https://web.archive.org/web/20031002051647/http://www.avengedsevenfold.com:80/tourdates/tourdates.php（当然还有本网站旧版本/新版本上的隐藏日期）

当我点击“下一步”或“显示所有日期”时，网站只会重新加载。有没有办法访问日期？我浏览了源代码，但没有找到任何东西。但日期肯定在某个地方，对吧？

Answer 1

它们没有被存档。

互联网档案馆无法访问网站的服务器端逻辑，也无法完全复制动态页面（例如本例中的 PHP）的行为；它能做的最好的事情就是跟踪链接并将每个已知的 URL 下载为独立的静态页面。

爬虫可以跟踪并存档诸如 之类的简单链接<a href="news.php?page=2">。但是，您网站的“下一个”/“显示全部”不是常规链接– 它们是 JavaScript 操作和基于 POST 的表单的不正当组合，单独使用其中任何一种都会让爬虫无法将它们识别为链接：

<a href="#" onclick="JavaScript:nextPage()"><img src=...></a>

虽然归档器可以存储复制客户端 JavaScript 代码，它不会解释该代码，也不会理解 nextPage() 在这里做什么，因此必须完全跳过这些基于 JS 的按钮。（你可以看到 IA仅存档此 URL。

（即使归档器可以发现 JS 代码的作用，它也不会被允许触碰这个特定的表单——POST 的使用意味着每个请求都可能导致服务器发生一些变化。只有 GET 请求才是安全的自动抓取。）

因此，当您单击“下一步”按钮时，浏览器仍会运行 nextPage() 并发送 page=2 或类似的请求，但不再有相应的服务器端代码来处理该请求 - 档案馆只能使用与以前相同的静态数据进行响应。