欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python通過urllib2爬網(wǎng)頁上種子下載示例

 更新時間:2014年02月24日 14:43:33   作者:  
這篇文章主要介紹了通過urllib2、re模塊抓種子下載的示例,需要的朋友可以參考下

通過urllib2、re模塊抓種子

思路

1.用程序登錄論壇(如果需要登錄才能訪問的版塊)

2.訪問指定版塊

3.遍歷帖子(先取指定頁,再遍歷頁面所有帖子的url)

4.循環(huán)訪問所有帖子url,從帖子頁面代碼中取種子下載地址(通過正則表達式或第三方頁面解析庫)

5.訪問種子頁面下載種子

復(fù)制代碼 代碼如下:

import urllib
import urllib2
import cookielib
import re
import sys
import os

# site is website address | fid is part id
site = "http://xxx.yyy.zzz/"
source = "thread0806.php?fid=x&search=&page="

btSave = "./clyzwm/"
if os.path.isdir(btSave):
 print btSave + " existing"
else:
 os.mkdir(btSave)

logfile = "./clyzwm/down.log"
errorfile = "./clyzwm/error.log"
sucfile = "./clyzwm/sucess.log"

headers = {'User-Agent' : 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/32.0.1700.77 Safari/537.36', 
           'Referer' : 'http://xxx.yyy.zzz/'}

def btDown(url, dirPath):
 logger(logfile, "download file : " + url)
 try:
  #pageCode = urllib2.urlopen(url).read()
  #print pageCode
  btStep1 = re.findall('http://[\w]+\.[\w]+\.[\w]{0,4}/[\w]{2,6}\.php\?[\w]{2,6}=([\w]+)', url, re.I)
  #print btStep1
  if len(btStep1)>0:
   ref = btStep1[0]
   downsite = ""
   downData = {}
   if len(ref)>20:
    downsite = re.findall('http://www.[\w]+\.[\w]+/', url)[0]
    downsite = downsite + "download.php"
    reff = re.findall('input\stype=\"hidden\"\sname=\"reff\"\svalue=\"([\w=]+)\"', urllib2.urlopen(url).read(), re.I)[0]
    downData = {'ref': ref, 'reff':reff, 'submit':'download'}
   else:
    downsite = "http://www.downhh.com/download.php"
    downData = {'ref': ref, 'rulesubmit':'download'}
   #print "bt site - " +  downsite + "\n downData:"
   #print downData
   downData = urllib.urlencode(downData)
   downReq = urllib2.Request(downsite, downData)
   downReq.add_header('User-Agent','Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/32.0.1700.77 Safari/537.36')
   downPost = urllib2.urlopen(downReq)
   stream = downPost.read(-1)
   if (len(stream) > 1000):
    downPost.close()
    name = btStep1[0]+ ".torrent"
    fw = open(dirPath + name, 'w')
    fw.write(stream)
    fw.close()
    logger(sucfile, url+"\n")
   else:
    logger(errorfile, url+"\n")
 except urllib2.URLError, e:
  print e.reason

def logger(logfile, msg):
 print msg
 fw = open(logfile, 'a')
 fw.write(msg)
 fw.close()

for i in range(1, 1000):
 logger(logfile, "\n\n\n@ page " + str(i) + " ...")
 part = site + source + str(i)

 content = urllib2.urlopen(part).read()
 content = content.decode('gbk').encode('utf8')
 #print content

 pages = re.findall('<a\s+href=\"(htm_data/[\d]+/[\d]+/[\d]+\.html).*?<\/a>', content,re.I)
 #print pages

 for page in pages:
  page = site + page;
  #logger(logfile, "\n# visiting " + page + " ...")
  pageCode = urllib2.urlopen(page).read()
  #print pageCode
  zzJump = re.findall('http://www.viidii.info/\?http://[\w]+/[\w]+\?[\w]{2,6}=[\w]+' ,pageCode)  
  #zzJump = re.findall('http://www.viidii.info/\?http://[\w/\?=]*', pageCode)
  if len(zzJump) > 0:
   zzJump = zzJump[0]
   #print "- jump page - " + zzJump
   pageCode = urllib2.urlopen(page).read()
   zzPage = re.findall('http://[\w]+\.[\w]+\.[\w]+/link[\w]?\.php\?[\w]{2,6}=[\w]+' ,pageCode)
   if len(zzPage) > 0:
    zzPage = zzPage[0]
    logger(logfile, "\n- zhongzi page -" + zzPage)
    btDown(zzPage, btSave)
   else:
    logger(logfile, "\n. NOT FOUND .")
  else:
   logger(logfile, "\n... NOT FOUND ...")
  zzPage = re.findall('http://[\w]+\.[\w]+\.[\w]+/link[\w]?\.php\?ref=[\w]+' ,pageCode)

相關(guān)文章

  • Python PyYAML庫解析YAML文件使用詳解

    Python PyYAML庫解析YAML文件使用詳解

    這篇文章主要為大家介紹了Python PyYAML庫解析YAML文件使用詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-11-11
  • Python樹的鏡像的實現(xiàn)示例

    Python樹的鏡像的實現(xiàn)示例

    樹的鏡像是指將樹的每個節(jié)點的左右子樹交換,得到一棵新的樹,本文主要介紹了Python樹的鏡像的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下
    2023-11-11
  • 解決Jupyter NoteBook輸出的圖表太小看不清問題

    解決Jupyter NoteBook輸出的圖表太小看不清問題

    這篇文章主要介紹了解決Jupyter NoteBook輸出的圖表太小看不清問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • 詳解使用Python下載文件的幾種方法

    詳解使用Python下載文件的幾種方法

    這篇文章主要介紹了詳解使用Python下載文件的幾種方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-10-10
  • 利用Python?實現(xiàn)圖片轉(zhuǎn)字符畫

    利用Python?實現(xiàn)圖片轉(zhuǎn)字符畫

    這篇文章主要介紹了利用Python?實現(xiàn)圖片轉(zhuǎn)字符畫,要將圖片轉(zhuǎn)字符畫,需要先定義一個字符集,用來和灰度值做映射,將圖片每個像素的?RGB?值轉(zhuǎn)換為一個灰度值,將其對應(yīng)的字符輸出就得到字符畫
    2022-06-06
  • Pandas中DataFrame常用操作指南

    Pandas中DataFrame常用操作指南

    DataFrame是pandas最常用的對象,其類似于excel中的表格,完成數(shù)據(jù)讀取后,數(shù)據(jù)就以DataFrame數(shù)據(jù)結(jié)構(gòu)存儲在內(nèi)存中,下面這篇文章主要給大家介紹了關(guān)于Pandas中DataFrame常用操作的相關(guān)資料,需要的朋友可以參考下
    2022-06-06
  • Django防御csrf攻擊的實現(xiàn)方式(包括ajax請求)

    Django防御csrf攻擊的實現(xiàn)方式(包括ajax請求)

    這篇文章主要介紹了Django防御csrf攻擊的實現(xiàn)方式(包括ajax請求),具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-09-09
  • 解決Pycharm雙擊圖標(biāo)啟動不了的問題(JetBrains全家桶通用)

    解決Pycharm雙擊圖標(biāo)啟動不了的問題(JetBrains全家桶通用)

    這篇文章主要介紹了Pycharm雙擊圖標(biāo)啟動不了(JetBrains全家桶通用),本文給大家分享問題及解決方法,需要的朋友可以參考下
    2020-08-08
  • Python GUI編程之tkinter模塊Toplevel控件實現(xiàn)搭建父子窗口

    Python GUI編程之tkinter模塊Toplevel控件實現(xiàn)搭建父子窗口

    這篇文章主要介紹了Python使用tkinter模塊Toplevel控件搭建父子窗口的實現(xiàn)方法,Tkinter是Python的標(biāo)準GUI庫,Python使用Tkinter可以快速的創(chuàng)建GUI應(yīng)用程序,用到相關(guān)控件的同學(xué)可以參考下
    2023-12-12
  • Python中Wxpython實現(xiàn)剪切、復(fù)制、粘貼和文件打開示例

    Python中Wxpython實現(xiàn)剪切、復(fù)制、粘貼和文件打開示例

    我們在Python開發(fā)中中,可以使用WxPython庫來創(chuàng)建GUI應(yīng)用程序,并實現(xiàn)剪切、復(fù)制、粘貼和文件打開功能,本文就來介紹一下,感興趣的可以了解一下
    2024-03-03

最新評論