你用 Python 寫過哪些牛逼的程序/腳本？
點擊上方
「
Python開發
」，選擇「置頂公眾號」
關鍵時刻，第一時間送達！
【導讀】：有網友在 Quora 上提問，「你用 Python 寫過最牛逼的程序/腳本是什麼？」。本文摘編了 3 個國外程序員的多個小項目，含代碼。
Manoj Memana Jayakumar, 3000+ 頂
更新：憑藉這些腳本，我找到了工作！可看我在這個帖子中的回復，《Has anyone got a job through Quora? Or somehow made lots of money through Quora?》
1. 電影/電視劇 字幕一鍵下載器
我們經常會遇到這樣的情景，就是打開字幕網站subscene 或者opensubtitles， 搜索電影或電視劇的名字，然後選擇正確的抓取器，下載字幕文件，解壓，剪切並粘貼到電影所在的文件夾，並且需把字幕文件重命名以匹配電影文件的名字。是不是覺得太無趣呢？對了，我之前寫了一個腳本，用來下載正確的電影或電視劇字幕文件，並且存儲到與電影文件所在位置。所有的操作步驟僅需一鍵就可以完成。懵逼了嗎？
請看這個 Youtube 視頻：https://youtu.be/Q5YWEqgw9X8
源代碼
存放在GitHub：subtitle-downloader
更新：
目前，該腳本支持多個字幕文件同時下載。步驟：按住 Ctrl ，選擇你想要為其下載字幕的多個文件 ， 最後執行腳本即可2. IMDb 查詢/電子表格生成器
我是一個電影迷，喜歡看電影。我總是會為該看哪一部電影而困惑，因為我搜集了大量的電影。所以，我應該如何做才能消除這種困惑，選擇一部今晚看的電影？沒錯，就是IMDb。我打開 //imdb.com，輸入電影的名字，看排名，閱讀和評論，找出一部值得看的電影。
但是，我有太多電影了。誰會想要在搜索框輸入所有的電影的名字呢？ 我肯定不會這樣做，尤其是我相信「如果某些東西是重複性的，那麼它應該是可以自動化的」。因此，我寫了一個 python 腳本， 目的是為了使用 非官方的 IMDb API 來獲取數據。我選擇一個電影文件（文件夾），點擊右鍵，選擇『發送到』，然後 點擊 IMDB.cmd (順便提一下，IMDB.cmd 這個文件就是我寫的 python 腳本)，就是這樣。
我的瀏覽器會打開這部電影在
IMDb
網站上的準確頁面。
僅僅只需點擊一個按鍵，就可以完成如上操作。如果你不能夠了解這個腳本到底有多酷，以及它可以為你節省多少時間，請看這個 Youtube 視頻：https://youtu.be/JANNcimQGyk
從現在開始，你再也不需要打開你的瀏覽器，等待載入IMDb的頁面，鍵入電影的名字。這個腳本會幫你完成所有的操作。跟往常一樣，源代碼放在了GitHub：imdb ，並且附有操作說明。當然，由於這個腳本必須去掉文件或文件夾中的無意義的字元，比如「DVDRip, YIFY, BRrip」等，所以在運行腳本的時候會有一定比例的錯誤。但是經過測試，這個腳本在我幾乎所有的電影文件上都運行的很好。
2014-04-01更新：
許多人在問我是否可以寫一個腳本，可以發現一個文件夾中所有電影的詳細信息，因為每一次只能發現一個電影的詳細信息是非常麻煩的。我已經更新了這個腳本，支持處理整個文件夾。腳本會分析這個文件夾里的所有子文件夾，從 IMDb上抓取所有電影的詳細信息 ，然後打開一個電子表格，根據IMDb 上的排名，從高到低降序排列所有的電影。這個表格中包含了 （所有電影）在 IMDb URL， 年份，情節，分類，獲獎信息，演員信息，以及其他的你可能在 IMBb找到的信息。下面是腳本執行後，生成的表格範例：
Your very own personal IMDb database! What more can a movie buff ask for? 
Source on GitHub:
imdb
你也可以有一個個人
IMDb
資料庫！一個電影愛好者還能夠要求更多嗎？：）
源代碼在
GitHub
：
imdb
3. theoatmeal.com 連載漫畫下載器
我個人超級喜歡 Matthew Inman 的漫畫。它們在瘋狂搞笑的同時，卻又發人深省。但是，我很厭煩重複點擊下一個，然後才能閱讀每一個漫畫。另外，由於每一個漫畫都由多福圖片組成，所以手動下載這些漫畫是非常困難的。
基於如上原因，我寫了一個 python 腳本 ，用來從這個站點下載所有的漫畫。這個腳本利用 BeautifulSoup (http://www.crummy.com/software/B… ) 解析 HTML 數據， 所以在運行腳本前，必須安裝 BeautifulSoup。 用於下載燕麥片（馬修.英曼的一部漫畫作品）的下載器已經上傳到GitHub：theoatmeal.com-downloader 。（漫畫）下載完後的文件夾是這樣的 
4. someecards.com 下載器
成功地從http://www.theoatmeal.com 下載了整部漫畫後，我在想是否我可以做同樣的事情 ， 從另一個我喜歡的站點— 搞笑的，唯一的
http://www.someecards.com
. 下載一些東西呢？
somececards 的問題是，圖片命名是完全隨機的，所有圖片的排放沒有特定的順序，並且一共有52 個大的類別， 每一個類別都有數以千計的圖片。
我知道，如果我的腳本是多線程的話，那將是非常完美的，因為有大量的數據需要解析和下載，因此我給每一個類別中的每一頁都分配一個線程。這個腳本會從網站的每一個單獨的分類下載搞笑的電子賀卡，並且把每一個放到單獨的文件夾。現在，我擁有這個星球上最好笑的電子賀卡私人收藏。下載完成後，我的文件夾是這樣的：
沒錯，我的私人收藏總共包括：52個類別，5036個電子賀卡。 源代碼在這裡：
someecards.com-downloader
編輯：很多人問我是否可以共享我下載的所有文件，（在這裡，我要說）由於我的網路不太穩定，我沒辦法把我的收藏上傳到網路硬碟，但是我已經上傳一個種子文件，你們可以在這裡下載：
somecards.com Site Rip torrent種下種子，傳播愛：）
Akshit Khurana，4400+ 頂
感謝 500 多個朋友在 Facebook 上為我送出的生日祝福
有三個故事讓我的21歲生日變的難忘，這是最後一個故事。我傾向於在每一條祝福下親自評論，但是使用 python 來做更好。
…
1.
# Thanking everyone who wished me on my birthday
2.
import
requests
3.
import
json
4.
5.
# Aman"s post time
6.
AFTER
=
1353233754
7.
TOKEN
=
" "
8.
9.
def
get_posts
()
:
10.
"""Returns dictionary of id, first names of people who posted on my wall
11. between start and end time"""
12.
query
=
(
"SELECT post_id, actor_id, message FROM stream WHERE "
13.
"filter_key = "others" AND source_id = me() AND "
14.
"created_time > 1353233754 LIMIT 200"
)
15.
16.
payload
=
{
"q"
:
query
,
"access_token"
:
TOKEN
}
17.
r
=
requests
.
get
(
"https://graph.facebook.com/fql"
,
params
=
payload
)
18.
result
=
json
.
loads
(
r
.
text
)
19.
return
result
[
"data"
]
20.
21.
def
commentall
(
wallposts
)
:
22.
"""Comments thank you on all posts"""
23.
#TODO convert to batch request later
24.
for
wallpost
in
wallposts
:
25.
26.
r
=
requests
.
get
(
"https://graph.facebook.com/%s"
%
27.
wallpost
[
"actor_id"
])
28.
url
=
"https://graph.facebook.com/%s/comments"
%
wallpost
[
"post_id"
]
29.
user
=
json
.
loads
(
r
.
text
)
30.
message
=
"Thanks %s :)"
%
user
[
"first_name"
]
31.
payload
=
{
"access_token"
:
TOKEN
,
"message"
:
message
}
32.
s
=
requests
.
post
(
url
,
data
=
payload
)
33.
34.
"Wall post %s done"
%
wallpost
[
"post_id"
]
35.
36.
if
__name__
==
"__main__"
:
37.
commentall
(
get_posts
())
…
為了能夠順利運行腳本，你需要從Graph API Explorer（需適當許可權）獲得 token。 本腳本假設特定時間戳之後的所有帖子都是生日祝福。
儘管對評論功能做了一點改變，我仍然喜歡每一個帖子。
當我的點贊數，評論數以及評論結構在 ticker（Facebook一項功能，朋友可以看到另一個朋友在做什麼，比如點贊，聽歌，看電影等） 中爆漲後，我的一個朋友很快發現此事必有蹊蹺。
儘管這個不是我最滿意的腳本，但是它簡單，快捷，有趣。
當我和 Sandesh Agrawal 在網路實驗室討論時，有了寫這個腳本的想法。 為此，Sandesh Agrawal 耽擱了實驗室作業，深表感謝。
Tanmay Kulshrestha，3300+ 頂
好了，在我失去這個項目之前（一個豬一樣的朋友格式化了我的硬碟，我的所有代碼都在那個硬碟上）或者說，在我忘記這些代碼之前，我決定來回答這個問題。
整理照片
當我對圖像處理感興趣之後，我一直致力於研究機器學習。我寫這個有趣的腳本，目的是為了分類圖片，很像 Facebook 做的那樣（當然這是一個不夠精確的演算法）。 我使用了 OpenCV 的人臉檢測演算法，「haarcascade_frontalface_default.xml」，它可以從一張照片中檢測到人臉。
你可能已經察覺到這張照片的某些地方被錯誤地識別為人臉。 我試圖通過修改一些參數（來修正這一問題），但還是某些地方被錯誤地識別為人臉，這是由相機的相對距離導致的。我會在下一階段解決這一問題（訓練步驟）。
這個訓練演算法需要一些訓練素材，每個人需要至少需要100-120個訓練素材（當然多多益善）。 我太懶了，並沒有為每一個人挑選照片，並把它們複製粘帖到訓練文件夾。所以，你可能已經猜到，這個腳本會打開一個圖片，識別人臉，並顯示每一個人臉（腳本會根據處於當前節點的訓練素材給每一個人臉預測一個名字）。伴隨著每次你標記的照片，Recognizer 會被更新，並且還會包含上一次的訓練素材。 在訓練過程中，你可以增加新的名字。我使用 python 庫 tkinter 做了一個 GUI。 因此，大多數時候，你必須初始化一小部分照片（給照片中的人臉命名），其他的工作都可以交給訓練演算法。 因此，我訓練了 Recognizer ，然後讓它（Recognizer）去處理所有的圖片。
我使用圖片中包含的人的人名來命名圖片，（例如： Tanmay&*****&*****）。 因此，我可以遍歷整個文件夾，然後可以通過輸入人名的方法來搜索圖片。
初始狀態下，當一個人臉還沒有訓練素材時（素材庫中還沒有包括這個人臉的名字），需要詢問他/她的名字。
我可以增加一個名字，像這個樣子：
當訓練了幾個素材後，它會像這個樣子：
最後一個是針對應對那些垃圾隨機方塊而使用的變通解決方案。
帶名字的最終文件夾。
所以，現在尋找圖片變得相當簡單。順便提一下，很抱歉（我）放大了這些照片。
…
import
cv2
import
sys
import
os
,
random
,
string
#choices=["Add a name"]
import
os
current_directory
=
os.path
.
dirname
(
os.path
.
abspath
(
__file__
))
from
Tkinter
import
Tk
from
easygui
import
*
import
numpy
as
np
x
=
os
.
listdir
(
current_directory
)
new_x
=
[]
testing
=
[]
for
i
in
x
:
if
i
.
find
(
"."
)
==-
1
:
new_x
+=
[
i
]
else
:
testing
+=
[
i
]
x
=
new
_
xg
=
x
choices
=
[
"Add a name"
]
+
x
y
=
range
(
1
,
len
(
x
)
+
1
)
def
get_images_and_labels
()
:
global
current_directory
,
x
,
y
,
g
if
x
==
[]
:
return
(
False
,
False
)
image_paths
=
[]
for
i
in
g
:
path
=
current_directory
+
""
+
i
for
filename
in
os
.
listdir
(
path
)
:
final_path
=
path
+
""
+
filename
image_paths
+=
[
final_path
]
# images will contains face images
images
=
[]
# labels will contains the label that is assigned to the image
labels
=
[]
for
image_path
in
image_paths
:
# Read the image and convert to grayscale
img
=
cv2
.
imread
(
image_path
,
0
)
# Convert the image format into numpy array
image
=
np
.
array
(
img
,
"uint8"
)
# Get the label of the image
backslash
=
image_path
.
rindex
(
""
)
underscore
=
image_path
.
index
(
"_"
,
backslash
)
nbr
=
image_path
[
backslash
+
1
:
underscore
]
t
=
g
.
index
(
nbr
)
nbr
=
y
[
t
]
# If face is detected, append the face to images and the label to labels
images
.
append
(
image
)
labels
.
append
(
nbr
)
#cv2.imshow("Adding faces to traning set...", image)
#cv2.waitKey(50)
# return the images list and labels list
return
images
,
labels
# Perform the tranining
def
train_recognizer
()
:
recognizer
=
cv2
.
createLBPHFaceRecognizer
()
images
,
labels
=
get_images_and_labels
()
if
images
==
False
:
return
False
cv2
.
destroyAllWindows
()
recognizer
.
train
(
images
,
np
.
array
(
labels
))
return
recognizer
def
get_name
(
image_path
,
recognizer
)
:
global
x
,
choices
#if recognizer=="":
# recognizer=train_recognizer()
cascadePath
=
"haarcascade_frontalface_default.xml"
faceCascade
=
cv2
.
CascadeClassifier
(
cascadePath
)
#recognizer=train_recognizer()
x1
=
testing
global
g
image_path
image
=
cv2
.
imread
(
image_path
)
img
=
cv2
.
cvtColor
(
image
,
cv2
.
COLOR_BGR2GRAY
)
predict_image
=
np
.
array
(
img
,
"uint8"
)
faces
=
faceCascade
.
detectMultiScale
(
img
,
scaleFactor
=
1.3
,
minNeighbors
=
5
,
minSize
=
(
30
,
30
),
flags
=
http
://
cv2
.
cv
.
CV_HAAR_SCALE
_
IMAGE)
for
(
x
,
y
,
w
,
h
)
in
faces
:
f
=
image
[
y
:
y
+
w
,
x
:
x
+
h
]
cv2
.
imwrite
(
"temp.jpg"
,
f
)
im
=
"temp.jpg"
nbr_predicted
,
conf
=
recognizer
.
predict
(
predict_image
[
y
:
y
+
h
,
x
:
x
+
w
])
predicted_name
=
g
[
nbr_predicted
-
1
]
"{} is Correctly Recognized with confidence {}"
.
format
(
predicted_name
,
conf
)
if
conf
&
gt
;
=
140
:
continue
msg
=
"Is this "
+
predicted_name
reply
=
buttonbox
(
msg
,
image
=
im
,
choices
=
[
"Yes"
,
"No"
])
if
reply
==
"Yes"
:
reply
=
predicted_name
directory
=
current_directory
+
""
+
reply
if
not
os.path
.
exists
(
directory
)
:
os
.
makedirs
(
directory
)
random_name
=
""
.
join
(
random
.
choice
(
string
.
ascii_uppercase
+
string
.
digits
)
for
_
in
range
(
7
))
path
=
directory
+
""
+
random_name
+
".jpg"
cv2
.
imwrite
(
path
,
f
)
else
:
msg
=
"Who is this?"
reply
=
buttonbox
(
msg
,
image
=
im
,
choices
=
choices
)
if
reply
==
"Add a name"
:
name
=
enterbox
(
msg
=
"Enter the name"
,
title
=
"Training"
,
strip
=
True
)
name
choices
+=
[
name
]
reply
=
name
directory
=
current_directory
+
""
+
reply
if
not
os.path
.
exists
(
directory
)
:
os
.
makedirs
(
directory
)
random_name
=
""
.
join
(
random
.
choice
(
string
.
ascii_uppercase
+
string
.
digits
)
for
_
in
range
(
7
))
path
=
directory
+
""
+
random_name
+
".jpg"
path
cv2
.
imwrite
(
path
,
f
)
# calculate window position
root
=
Tk
()
pos
=
int
(
root
.
winfo_screenwidth
()
*
0.5
),
int
(
root
.
winfo_screenheight
()
*
0.2
)
root
.
withdraw
()
WindowPosition
=
"+%d+%d"
%
pos
# patch rootWindowPosition
rootWindowPosition
=
WindowPosition
def
detect_faces
(
img
)
:
global
choices
,
current_directory
imagePath
=
img
faceCascade
=
cv2
.
CascadeClassifier
(
cascPath
)
image
=
cv2
.
imread
(
imagePath
)
gray
=
cv2
.
cvtColor
(
image
,
cv2
.
COLOR_BGR2GRAY
)
faces
=
faceCascade
.
detectMultiScale
(
gray
,
scaleFactor
=
1.3
,
minNeighbors
=
5
,
minSize
=
(
30
,
30
),
flags
=
http
://
cv2
.
cv
.
CV_HAAR_SCALE
_
IMAGE)
"Found {0} faces!"
.
format
(
len
(
faces
))
m
=
0
for
(
x
,
y
,
w
,
h
)
in
faces
:
m
+=
1
padding
=
0
f
=
image
[
y
-
padding
:
y
+
w
+
padding
,
x
-
padding
:
x
+
h
+
padding
]
cv2
.
imwrite
(
"temp.jpg"
,
f
)
im
=
"temp.jpg"
msg
=
"Who is this?"
reply
=
buttonbox
(
msg
,
image
=
im
,
choices
=
choices
)
if
reply
==
"Add a name"
:
name
=
enterbox
(
msg
=
"Enter the name"
,
title
=
"Training"
,
strip
=
True
)
name
choices
+=
[
name
]
reply
=
name
directory
=
current_directory
+
""
+
reply
if
not
os.path
.
exists
(
directory
)
:
os
.
makedirs
(
directory
)
random_name
=
""
.
join
(
random
.
choice
(
string
.
ascii_uppercase
+
string
.
digits
)
for
_
in
range
(
7
))
path
=
directory
+
""
+
random_name
+
".jpg"
path
cv2
.
imwrite
(
path
,
f
)
def
new
(
img
,
recognizer
)
:
imagePath
=
current_directory
+
""
+
img
imagePath
get_name
(
imagePath
,
recognizer
)
cascPath
=
"haarcascade_frontalface_default.xml"
b
=
0
os
.
system
(
"change_name.py"
)
for
filename
in
os
.
listdir
(
"."
)
:
b
+=
1
if
b
%
10
==
0
or
b
==
1
:
os
.
system
(
"change_name.py"
)
recognizer
=
train_recognizer
()
if
filename
.
endswith
(
".jpg"
)
or
filename
.
endswith
(
".png"
)
:
filename
imagePath
=
filename
#detect_faces(imagePath)
new
(
imagePath
,
recognizer
)
os
.
remove
(
filename
)
raw_input
(
"Done with this photograph"
)
…
我想進一步修改它的搜索功能，其中會包含更多的搜索類型，比如基於地理位置，微笑的臉，傷心的臉等等。（這樣我就可以在 Skylawns 上 搜索快樂的 Tanmay & 沮喪的 Akshay & 快樂的…）
我還寫了很多腳本，但那都是很久之前的事情了，我也懶得再去檢查這些代碼了，我會列出部分代碼。
GitHub 鏈接：
tanmay2893/Image-Sorting
Gmail 郵件通知
在那段時間，我沒有智能手機。 導致我常常錯過來自於我所在的研究所的郵件（在我的研究所的郵件 ID），我寫了一個腳本，可以在我的筆記本上運行，而且能給我的手機發信息。我使用 python 的 IMAP 庫來獲取郵件。我可以輸入一些重要的人的名字，這樣一來，當這些人給我發了郵件後，我可以收到簡訊通知。對於簡訊， 我使用了 way2sms.com（寫了一個 python 腳本，自動登陸我的賬戶，然後發送 簡訊）。
PNR
（Passenger Name Record旅客訂座記錄，下同）狀態短訊
鐵路方面不經常發送 PNR 狀態消息。因此，我寫了一個腳本，可以從印度鐵路網站獲取 PNR 狀態。這是非常容易的，因為那個網站沒有驗證碼，即使有，也只是形同虛設的驗證碼（在過去，一些字母會被寫在看起來像圖片一樣的東西上面，因為他們為這些字母使用了一個 「check」 的背景圖）。 我們可以輕鬆地從 HTML 網頁得到這些字母。我不明白他們這樣做的目的是什麼，難道僅僅是為了愚弄他們自己嗎？ 不管怎麼樣，我使用簡訊息腳本來處理它，經過一段時間間隔，它會在我的筆記本上運行一次，就像是一個定時任務，只要 PNR 狀態有更新，它就會把更新信息發送給我。
YouTube 視頻下載器
這個腳本會從 Youtube 頁面下載所有的 Youtube 視頻 以及他們所有的字幕文件（從
Download and save subtitles
下載）。為了使下載速度更快一點，我使用了多線程。還有一個功能是，即使你的電腦重啟了，仍然可以暫停和恢復播放下載的（視頻）。我原本想做一個UI的，但是我太懶了… 一旦我的下載任務完成，我就不去關心 UI 的事情了。板球比分通知器
我猜想這個功能已經在別的地方提到過了。一個窗口通知器。（在右下角的通知區域，它會告訴你實時比分以及評論信息）。如果你願意的化，在某些時間段，你也可以關掉它。
WhatsApp 消息
這個並不太實用，我只是寫著玩玩。因為 Whatsapp 有網頁版，我使用 selenium 和 Python 下載我的所有聯繫人的顯示圖片，並且，一旦有人更新了他們的顯示圖片，我將會知道。（如何做到的？非常簡單，在設定好時間間隔後，我會一遍又一遍的不停下載所有的頭像信息，一旦照片的尺寸發生變化，我將會知道他/她更新了顯示圖片）。然後我會給他/她發一個信息，不錯的頭像。我僅僅使用了一次來測試它的可用性。
Nalanda 下載器
我們一般在這個叫 『Nalanda』 的網站上下載一些教學課件以及其他的課程資料， 『Nalanda』 在 BITS Pilani (
Nalanda
). 我自己懶得在考試前一天下載所有的課件，所以，我寫了這個這個下載器，它可以把每一門科的課件下載到相應的文件夾。
代碼：
…
import
mechanize
,
os
,
urllib2
,
urllib
,
requests
,
getpass
,
time
start_time
=
time
.
time
()
from
bs4
import
BeautifulSoup
br
=
mechanize
.
Browser
()
br
.
open
(
"https://nalanda.bits-pilani.ac.in/login/index.php"
)
br
.
select_form
(
nr
=
0
)
name
=
""
while
name
==
""
:
try
:
"*******"
username
=
raw_input
(
"Enter Your Nalanda Username: "
)
password
=
getpass
.
getpass
(
"Password: "
)
br
.
form
[
"username"
]
=
username
br
.
form
[
"password"
]
=
password
res
=
br
.
submit
()
response
=
res
.
read
()
soup
=
BeautifulSoup
(
response
)
name
=
str
(
soup
.
find
(
"div"
,
attrs
=
{
"class"
:
"logininfo"
}).
a
.
string
)[
:-
2
]
except
:
"Wrong Password"
f
=
open
(
"details.txt"
,
"w"
)
f
.
write
(
username
+
"n"
+
password
)
f
.
close
()
"Welcome, "
+
name
"All the files will be downloaded in your Drive C in a folder named "nalanda""
#print soup.prettify()
div
=
soup
.
find_all
(
"div"
,
attrs
=
{
"class"
:
"box coursebox"
})
l
=
len
(
div
)
a
=
[]
for
i
in
range
(
l
)
:
d
=
div
[
i
]
s
=
str
(
d
.
div
.
h2
.
a
.
string
)
s
=
s
[
:
s
.
find
(
"("
)]
c
=
(
s
,
str
(
d
.
div
.
h2
.
a
[
"href"
]))
path
=
"c:nalanda"
+
c
[
0
]
if
not
os.path
.
exists
(
path
)
:
os
.
makedirs
(
path
)
a
+=
[
c
]
#print a
overall
=
[]
for
i
in
range
(
l
)
:
response
=
br
.
open
(
a
[
i
][
1
])
page
=
response
.
read
()
soup
=
BeautifulSoup
(
page
)
li
=
soup
.
find_all
(
"li"
,
attrs
=
{
"class"
:
"section main clearfix"
})
x
=
len
(
li
)
t
=
[]
folder
=
a
[
i
][
0
]
"Downloading "
+
folder
+
" files..."
o
=
[]
for
j
in
range
(
x
)
:
g
=
li
[
j
].
ul
#print g
#raw_input("")
if
g
!=
None
:
temp
=
http
://
g
.
li
[
"class"
].
split
(
" "
)
#raw_input("")
if
temp
[
1
]
==
"resource"
:
#print "yes"
#print "********************"
o
+=
[
j
]
h
=
li
[
j
].
find
(
"div"
,
attrs
=
{
"class"
:
"content"
})
s
=
str
(
h
.
h3
.
string
)
path
=
"c:nalanda"
+
folder
if
path
[
-
1
]
==
" "
:
path
=
path
[
:-
1
]
path
+=
""
+
s
if
not
os.path
.
exists
(
path
)
:
os
.
makedirs
(
path
)
f
=
g
.
find_all
(
"li"
)
r
=
len
(
f
)
z
=
[]
for
e
in
range
(
r
)
:
p
=
f
[
e
].
div
.
div
.
a
q
=
f
[
e
].
find
(
"span"
,
attrs
=
{
"class"
:
"resourcelinkdetails"
}).
contents
link
=
str
(
p
[
"href"
])
text
=
str
(
p
.
find
(
"span"
).
contents
[
0
])
typ
=
""
if
str
(
q
[
0
]).
find
(
"word"
)
!=-
1
:
typ
=
".docx"
elif
str
(
q
[
0
]).
find
(
"JPEG"
)
!=-
1
:
typ
=
".jpg"
else
:
typ
=
".pdf"
if
typ
!=
".docx"
:
res
=
br
.
open
(
link
)
soup
=
BeautifulSoup
(
res
.
read
())
if
typ
==
".jpg"
:
di
=
soup
.
find
(
"div"
,
attrs
=
{
"class"
:
"resourcecontent resourceimg"
})
link
=
di
.
img
[
"src"
]
else
:
di
=
soup
.
find
(
"div"
,
attrs
=
{
"class"
:
"resourcecontent resourcepdf"
})
link
=
di
.
object
[
"data"
]
try
:
if
not
os.path
.
exists
(
path
+
""
+
text
+
typ
)
:
br
.
retrieve
(
link
,
path
+
""
+
text
+
typ
)[
0
]
except
:
"Connectivity Issues"
z
+=
[(
link
,
text
,
typ
)]
t
+=
[(
s
,
z
)]
if
t
==
[]
:
"No Documents in this subject"
overall
+=
[
o
]
#raw_input("Press any button to resume")
#print overall
"Time Taken to Download: "
+
str
(
time
.
time
()
-
start_time
)
+
" seconds"
"Do you think you can download all files faster than this :P"
"Closing in 10 seconds"
time
.
sleep
(
10
)
…
我自己的 DC++
這個腳本並不是很有用，目前只有一些學生在用它， 況且，DC ++ 已經提供了一些很酷的功能。我原本可以優化我自己的版本，但是，由於我們已經有了DC ++，我並沒有這麼做，儘管我已經使用 nodeJS 和 python 寫了一個基礎版本。
工作原理：
打開 DC++ ， 進入一個中心站點，然後連接，我寫了一個 python 腳本來做這件事。 腳本會在 PC上創建一個伺服器（可以通過修改 SimpleHTTPRequestHandler 來完成）。
在伺服器端（使用了NodeJS），它會拿到 PC 的連接，共享給其他的用戶。
這個是主頁面:
這個頁面顯示了所有的用戶和他們的鏈接。因為我給 Nick 加了一個超鏈接，所以在鏈接這一攔是空的。
所以，當用戶數量增加以後，這個頁面會列出所有的用戶列表。基本上，這個頁面充當了一個你和另外一個人聯繫的中間人角色。 我還做了一個在所有用戶中搜索特定文件的功能。
這裡是客戶端的 python 文件（這是一段很長的代碼，我上傳到了 Ideone）
所有這些代碼僅僅用於教育目的。
英文：Quora
http://python.jobbole.com/85986/
Python開發整理髮布，轉載請聯繫作者
獲得授權
【點擊成為Java大神】
※python 魔術方法 : 讓自定義類更像內置類型
※相見恨晚的 itertools 庫
TAG:Python開發 |