fix (Wanfang Data.js) add (Wanfang Med.js)拆分万方数据和万方医疗；未实现万方数据的全文下载

[jiaojiaodubai]

1. 万方的附件下载似乎有跳转，即页面上的下载按钮上的链接并非最终下载地址，我没有下载权限无法测试，需要额外的帮助。
2. 我不确定万方医疗那里的“法规”条目类型的字段是否填充正确，望审查。

[jiaojiaodubai]

之前万方翻译器获取PDF下载链接的代码比较奇特（encodeURIComponent(doc.title)这一句感觉好随便啊），我不确定它现在是否还有效。麻烦有条件的朋友帮忙试一下，如果现在能用原来的万方翻译器抓取到PDF的话，我就把原来的代码移植过去。

function getPDF(newItem, doc) {
    var ele = doc.querySelector("a.download") || doc.querySelector("span.title-id-hidden");
    if (ele === null) return false;
    var hiddenId = ele.getAttribute('href') || ele.innerText;
    var tmp = hiddenId.match(/(\w+)_([^.]+)/);
    if (tmp === null) return false;
    // Z.debug(tmp)
    return "https://oss.wanfangdata.com.cn/www/" + encodeURIComponent(doc.title) + ".ashx?isread=true&type=" + tmp[1] + "&resourceId=" + encodeURI(decodeURIComponent(tmp[2]));
}

[l0o0]

万方医疗和万方数据虽然属于万方，不过对我来说，感觉类似知网和知网空间的感觉。怎么觉得想起来要拆分这个了？

之前万方翻译器获取PDF下载链接的代码比较奇特（encodeURIComponent(doc.title)这一句感觉好随便啊）

如果我没记错，这个下载PDF的代码是某个同学提的pr，当时我看有效果就并进去了。

[jiaojiaodubai]

万方医疗和万方数据虽然属于万方，不过对我来说，感觉类似知网和知网空间的感觉。怎么觉得想起来要拆分这个了？

共同点

1. 从文献数量上看，知网空间是知网的子集（知网空间不含知网首发），万方医学是万方数据的子集（仅包括医学相关）。
2. 知网空间兼容知网的导出接口，万方医学也兼容万方数据的导出接口。

不同点

1. 知网空间的定位是一个文献发布展示平台，而不是正式的学术检索系统，它的详情页缺少必要的字段，必须依赖知网导出接口才能使用。
2. 万方医疗更像是知网那种行业专版，它自身是完备的，有自己的导出接口、有自己的页面，不依赖万方数据的接口。

为什么拆分

我在修改万方的翻译器的时候，发现几乎每一个步骤都要判断当前页面是万方数据还是万方医学，这是因为万方医疗和万方数据的共同点仅仅在于接口兼容而已，它们的页面布局可以说毫不相干。仅仅为了最后一步scrape()能共用，就迫使前面不得不瞻前顾后，代码写起来非常麻烦。

这里还有一个细节问题，就是万方医学的搜索页上显著地包含详情页的链接，我们可以用传统方法从链接打开详情页逐个抓取，而万方数据的搜索页面已经不含详情页的链接了（或许我们可以用id拼接，但我没有尝试）。

总之我认为拆分可以让万方医学以更轻量的方式来抓取，也能减少万方数据翻译器里过多的兼容包袱。

[jiaojiaodubai]

有几个朋友帮我测试了一下，使用原万方翻译器的情况下，只有校园网直连可以下PDF，ip认证和VPN用户都下不了。原先的方法可能钻了API的空子（一种有用但不规范的请求）。 PDF下载链接形如

https://oss.wanfangdata.com.cn/NewFulltext?type=conference&resourceId=12345678&transaction={...}

但transaction参数非常复杂，很多属性的意义都搞不清楚。

[jiaojiaodubai]

经测试，原有方法仅能下载部分开放下载的PDF。我在网上买的帐号因为请求异常被封了……最终决定禁用不可靠的PDF下载，以免频繁发出不合理请求。

[wohenbushuang]

之前万方翻译器获取PDF下载链接的代码比较奇特（encodeURIComponent(doc.title)这一句感觉好随便啊）

好像是用来改文件名的

你现在看到的oss链接，我记得是原先版本通过在线阅读功能可以直接获得pdf的直链。既然目前暂时还没被ban，在能够实现完全模拟订单机制获取新版本下的pdf直链之前，请不要改动这部分

[wohenbushuang]

我在网上买的帐号因为请求异常被封了……最终决定禁用不可靠的PDF下载，以免频繁发出不合理请求。

如果你所在的单位没有购买wanfang的数据库，还是别尝试修改和调试下载的代码吧，保持原样

[doubanchan]

问题 1、万方医学网的专利有些未识别到，testcast。 2、期刊文章未正确识别，testcase

[doubanchan]

万方数据 假如url是可能加密过的长链接的话，最终url仍然是长链接，这个倾向取比较易于人读的短链接。 比如，期刊论文：长连接，短链接；学位论文：长连接，短链接；会议：长连接、短链接；专利：长连接、短链接

[jiaojiaodubai]

万方数据 假如url是可能加密过的长链接的话，最终url仍然是长链接，这个倾向取比较易于人读的短链接。

好像早已支持这个了？

[doubanchan]

万方数据 假如url是可能加密过的长链接的话，最终url仍然是长链接，这个倾向取比较易于人读的短链接。

好像早已支持这个了？

重新更新这个新版本已修复。