查看“OpenLaw法律文书采集”的源代码

==摘要==
      这个工具解决OpenLaw的法律文书采集问题。
==展示==
      [[image:20160125_openlaw_ui.gif]]
      [[image:20160125_openlaw_dir.gif]]
      [[image:20160125_openlaw_data.gif]]

==背景==
      OpenLaw 开放法律联盟，2014年成立于上海。是一个面向律师、法官、检察官、法学教师、学者、学生以及从事法律相关的工作人员的 NGO 开放型组织，OpenLaw 的用户被视为法律技术和知识的源泉，共同分享法律专业知识以及智慧和经验成果。
      OpenLaw是获取法律方面的资料的一个最有效的途径。
==需求==
      字段列表
      案由,标题,法院,类型,程序,案号,判决时间,审判长,审判员,书记员,原告,被告,上诉人,被上诉人,再申请人,被申请人,第三人,申诉人,被申诉人,赔偿请求人,义务机关,公诉机关,复议人,追加人,申请执行人,被执行人,原告委托人,原告代理人,原告律师,原告律师事务所,被告委托人,被告代理人,被告律师,被告律师事务所,涉及法律法规,判决内容

      位置信息
[[image:20160120_openlaw_xuqiu_000.jpg]]

      特殊要求
      涉及相关人物时，多个用‘,’因为逗号隔开，相关人物可能为公司

      大数据问题
      大量访问的时候，网站会提示验证码，会封IP。
[[image:20160120_openlaw_xuqiu_001.jpg]]

       显示的不完整
       有些页面，只显示到100页，需要处理这个问题

       采集难度很高
       客户已经找了4个采集人员做，都没有做下来。

==功能==
===输入===
     默认网址

===输出===
       输出内容
       案件信息
              案件编号.htm
              案件编号.txt
       数据文件.csv

       数据文件的字段列表如下
       网址,编号,案由,标题,法院,类型,程序,案号,判决时间,审判长,审判员,书记员,原告,被告,罪犯,上诉人,被上诉人,再申请人,被申请人,第三人,申诉人,被申诉人,赔偿请求人,义务机关,公诉机关,复议人,追加人,申请执行人,被执行人,原告委托人,原告代理人,原告律师,原告律师事务所,被告委托人,被告代理人,被告律师,被告律师事务所,涉及法律法规
       
       案件编号.htm
       保存完整的网页内容

       案件编号.txt
       保存案件正文内容，去掉所有HTML字符

===处理===

==其他==