你用 Python 写过最牛逼的程序是什么？

妖狐艹你老母 2023-03-13 03:55 131阅读 0赞

![format_png][]

编译：Python开发者 - Jake\_on  英文：Quora

http://python.jobbole.com/85986/

有网友在 Quora 上提问，「你用 Python 写过最牛逼的程序/脚本是什么？」。本文摘编了 3 个国外程序员的多个小项目，含代码。

## Manoj Memana Jayakumar, 3000+ 顶 ##

更新：凭借这些脚本，我找到了工作！可看我在这个帖子中的回复，《Has anyone got a job through Quora? Or somehow made lots of money through Quora?》

### 1. 电影/电视剧 字幕一键下载器 ###

我们经常会遇到这样的情景，就是打开字幕网站subscene 或者opensubtitles， 搜索电影或电视剧的名字，然后选择正确的抓取器，下载字幕文件，解压，剪切并粘贴到电影所在的文件夹，并且需把字幕文件重命名以匹配电影文件的名字。是不是觉得太无趣呢？对了，我之前写了一个脚本，用来下载正确的电影或电视剧字幕文件，并且存储到与电影文件所在位置。所有的操作步骤仅需一键就可以完成。懵逼了吗？

请看这个 Youtube 视频：https://youtu.be/Q5YWEqgw9X8

**源代码**存放在GitHub：**subtitle-downloader**

**更新：**目前，该脚本支持多个字幕文件同时下载。步骤：按住 Ctrl ，选择你想要为其下载字幕的多个文件 ， 最后执行脚本即可

### 2. IMDb 查询/电子表格生成器 ###

我是一个电影迷，喜欢看电影。我总是会为该看哪一部电影而困惑，因为我搜集了大量的电影。所以，我应该如何做才能消除这种困惑，选择一部今晚看的电影？没错，就是IMDb。我打开 http://imdb.com，输入电影的名字，看排名，阅读和评论，找出一部值得看的电影。

但是，我有太多电影了。谁会想要在搜索框输入所有的电影的名字呢？我肯定不会这样做，尤其是我相信“如果某些东西是重复性的，那么它应该是可以自动化的”。因此，我写了一个 python 脚本， 目的是为了使用 非官方的 IMDb API 来获取数据。我选择一个电影文件（文件夹），点击右键，选择‘发送到’，然后 点击 IMDB.cmd (顺便提一下，IMDB.cmd 这个文件就是我写的 python 脚本)，就是这样。

**我的浏览器会打开这部电影在****IMDb****网站上的准确页面。**

仅仅只需点击一个按键，就可以完成如上操作。如果你不能够了解这个脚本到底有多酷，以及它可以为你节省多少时间，请看这个 Youtube 视频：https://youtu.be/JANNcimQGyk

从现在开始，你再也不需要打开你的浏览器，等待加载IMDb的页面，键入电影的名字。这个脚本会帮你完成所有的操作。跟往常一样，源代码放在了GitHub：imdb ，并且附有操作说明。当然，由于这个脚本必须去掉文件或文件夹中的无意义的字符，比如“DVDRip, YIFY, BRrip”等，所以在运行脚本的时候会有一定比例的错误。但是经过测试，这个脚本在我几乎所有的电影文件上都运行的很好。

***2014-04-01更新：***

许多人在问我是否可以写一个脚本，可以发现一个文件夹中所有电影的详细信息，因为每一次只能发现一个电影的详细信息是非常麻烦的。我已经更新了这个脚本，支持处理整个文件夹。脚本会分析这个文件夹里的所有子文件夹，从 IMDb上抓取所有电影的详细信息 ，然后打开一个电子表格，根据IMDb 上的排名，从高到低降序排列所有的电影。这个表格中包含了 （所有电影）在 IMDb URL， 年份，情节，分类，获奖信息，演员信息，以及其他的你可能在 IMBb找到的信息。下面是脚本执行后，生成的表格范例：

![format_png 1][]

**Your very own personal IMDb database! What more can a movie buff ask for? ;)**  
**Source on GitHub:**** ****imdb**

**你也可以有一个个人**** IMDb ****数据库！一个电影爱好者还能够要求更多吗？：）**

**源代码在**** GitHub****：****imdb**

### 3. theoatmeal.com 连载漫画下载器 ###

![format_png 2][]

我个人超级喜欢 Matthew Inman 的漫画。它们在疯狂搞笑的同时，却又发人深省。但是，我很厌烦重复点击下一个，然后才能阅读每一个漫画。另外，由于每一个漫画都由多福图片组成，所以手动下载这些漫画是非常困难的。

基于如上原因，我写了一个 python 脚本 ，用来从这个站点下载所有的漫画。这个脚本利用 BeautifulSoup (http://www.crummy.com/software/B… ) 解析 HTML 数据， 所以在运行脚本前，必须安装 BeautifulSoup。用于下载燕麦片（马修.英曼的一部漫画作品）的下载器已经上传到GitHub：theoatmeal.com-downloader  。（漫画）下载完后的文件夹是这样的 :D

![format_png 3][]

** 4. someecards.com 下载器**

成功地从http://www.theoatmeal.com 下载了整部漫画后，我在想是否我可以做同样的事情 ， 从另一个我喜欢的站点— 搞笑的，唯一的**http://www.someecards.com**** **. 下载一些东西呢？

![format_png 4][]

somececards 的问题是，图片命名是完全随机的，所有图片的排放没有特定的顺序，并且一共有52 个大的类别， 每一个类别都有数以千计的图片。

我知道，如果我的脚本是多线程的话，那将是非常完美的，因为有大量的数据需要解析和下载，因此我给每一个类别中的每一页都分配一个线程。这个脚本会从网站的每一个单独的分类下载搞笑的电子贺卡，并且把每一个放到单独的文件夹。现在，我拥有这个星球上最好笑的电子贺卡私人收藏。下载完成后，我的文件夹是这样的：

没错，我的私人收藏总共包括：52个类别，5036个电子贺卡。源代码在这里：**someecards.com-downloader**** **

**编辑：很多人问我是否可以共享我下载的所有文件，（在这里，我要说）由于我的网络不太稳定，我没办法把我的收藏上传到网络硬盘，但是我已经上传一个种子文件，你们可以在这里下载：**somecards.com Site Rip torrent

种下种子，传播爱：）

## Akshit Khurana，4400+ 顶 ##

### 感谢 500 多个朋友在 Facebook 上为我送出的生日祝福 ###

有三个故事让我的21岁生日变的难忘，这是最后一个故事。我倾向于在每一条祝福下亲自评论，但是使用 python 来做更好。

1…
     2
     31.    # Thanking everyone who wished me on my birthday
     4
     52.    import requests
     6
     73.    import json
     8
     94.
    10
    115.    # Aman s post time
    12
    136.    AFTER = 1353233754
    14
    157.    TOKEN =   
    16
    178.
    18
    199.    def get_posts():
    20
    2110.        """Returns dictionary of id, first names of people who posted on my wall
    22
    2311.        between start and end time"""
    24
    2512.        query = ("SELECT post_id, actor_id, message FROM stream WHERE "
    26
    2713.                "filter_key =  others  AND source_id = me() AND "
    28
    2914.                "created_time > 1353233754 LIMIT 200")
    30
    3115.
    32
    3316.        payload = { q : query, access_token : TOKEN}
    34
    3517.        r = requests.get( https://graph.facebook.com/fql , params=payload)
    36
    3718.        result = json.loads(r.text)
    38
    3919.        return result[ data ]
    40
    4120.
    42
    4321.    def commentall(wallposts):
    44
    4522.        """Comments thank you on all posts"""
    46
    4723.        #TODO convert to batch request later
    48
    4924.        for wallpost in wallposts:
    50
    5125.
    52
    5326.            r = requests.get( https://graph.facebook.com/%s %
    54
    5527.                    wallpost[ actor_id ])
    56
    5728.            url = https://graph.facebook.com/%s/comments % wallpost[ post_id ]
    58
    5929.            user = json.loads(r.text)
    60
    6130.            message = Thanks %s :) % user[ first_name ]
    62
    6331.            payload = { access_token : TOKEN, message : message}
    64
    6532.            s = requests.post(url, data=payload)
    66
    6733.
    68
    6934.            print "Wall post %s done" % wallpost[ post_id ]
    70
    7135.
    72
    7336.    if __name__ == __main__ :
    74
    7537.        commentall(get_posts())
    76
    77…

为了能够顺利运行脚本，你需要从Graph API Explorer（需适当权限）获得 token。本脚本假设特定时间戳之后的所有帖子都是生日祝福。

尽管对评论功能做了一点改变，我仍然喜欢每一个帖子。

当我的点赞数，评论数以及评论结构在 ticker（Facebook一项功能，朋友可以看到另一个朋友在做什么，比如点赞，听歌，看电影等） 中爆涨后，我的一个朋友很快发现此事必有蹊跷。

尽管这个不是我最满意的脚本，但是它简单，快捷，有趣。

当我和 Sandesh Agrawal 在网络实验室讨论时，有了写这个脚本的想法。为此，Sandesh Agrawal 耽搁了实验室作业，深表感谢。

## Tanmay Kulshrestha，3300+ 顶 ##

好了，在我失去这个项目之前（一个猪一样的朋友格式化了我的硬盘，我的所有代码都在那个硬盘上）或者说，在我忘记这些代码之前，我决定来回答这个问题。

### 整理照片 ###

当我对图像处理感兴趣之后，我一直致力于研究机器学习。我写这个有趣的脚本，目的是为了分类图片，很像 Facebook 做的那样（当然这是一个不够精确的算法）。我使用了 OpenCV 的人脸检测算法，“haarcascade\_frontalface\_default.xml”，它可以从一张照片中检测到人脸。

![format_png 5][]

你可能已经察觉到这张照片的某些地方被错误地识别为人脸。我试图通过修改一些参数（来修正这一问题），但还是某些地方被错误地识别为人脸，这是由相机的相对距离导致的。我会在下一阶段解决这一问题（训练步骤）。

这个训练算法需要一些训练素材，每个人需要至少需要100-120个训练素材（当然多多益善）。我太懒了，并没有为每一个人挑选照片，并把它们复制粘帖到训练文件夹。所以，你可能已经猜到，这个脚本会打开一个图片，识别人脸，并显示每一个人脸（脚本会根据处于当前节点的训练素材给每一个人脸预测一个名字）。伴随着每次你标记的照片，Recognizer 会被更新，并且还会包含上一次的训练素材。在训练过程中，你可以增加新的名字。我使用 python 库 tkinter 做了一个 GUI。因此，大多数时候，你必须初始化一小部分照片（给照片中的人脸命名），其他的工作都可以交给训练算法。因此，我训练了 Recognizer ，然后让它（Recognizer）去处理所有的图片。

我使用图片中包含的人的人名来命名图片，（例如：Tanmay&\*\*\*\*\*&\*\*\*\*\*）。因此，我可以遍历整个文件夹，然后可以通过输入人名的方法来搜索图片。

初始状态下，当一个人脸还没有训练素材时（素材库中还没有包括这个人脸的名字），需要询问他/她的名字。

![format_png 6][]

我可以增加一个名字，像这个样子：

![format_png 7][]

当训练了几个素材后，它会像这个样子：

![format_png 8][]

![format_png 9][]

![format_png 10][]

最后一个是针对应对那些垃圾随机方块而使用的变通解决方案。

带名字的最终文件夹。

![format_png 11][]

所以，现在寻找图片变得相当简单。顺便提一下，很抱歉（我）放大了这些照片。

1import cv2
      2
      3import sys
      4
      5import os,random,string
      6
      7#choices=[ Add a name ]
      8
      9import os
     10
     11current_directory=os.path.dirname(os.path.abspath(__file__))
     12
     13from Tkinter import Tk
     14
     15from easygui import *
     16
     17import numpy as np
     18
     19x= os.listdir(current_directory)
     20
     21new_x=[]
     22
     23testing=[]
     24
     25for i in x:
     26
     27if i.find( . )==-1:
     28
     29new_x+=[i]
     30
     31else:
     32
     33testing+=[i]
     34
     35x=new_x
     36
     37g=x
     38
     39choices=[ Add a name ]+x
     40
     41y= range(1,len(x)+1)
     42
     43def get_images_and_labels():
     44
     45global current_directory,x,y,g
     46
     47if x==[]:
     48
     49return (False,False)
     50
     51image_paths=[]
     52
     53for i in g:
     54
     55path=current_directory+  +i
     56
     57for filename in os.listdir(path):
     58
     59final_path=path+  +filename
     60
     61image_paths+=[final_path]
     62
     63# images will contains face images
     64
     65images = []
     66
     67# labels will contains the label that is assigned to the image
     68
     69labels = []
     70
     71for image_path in image_paths:
     72
     73# Read the image and convert to grayscale
     74
     75img = cv2.imread(image_path,0)
     76
     77# Convert the image format into numpy array
     78
     79image = np.array(img, uint8 )
     80
     81# Get the label of the image
     82
     83backslash=image_path.rindex(  )
     84
     85underscore=image_path.index( _ ,backslash)
     86
     87nbr = image_path[backslash+1:underscore]
     88
     89t=g.index(nbr)
     90
     91nbr=y[t]
     92
     93# If face is detected, append the face to images and the label to labels
     94
     95images.append(image)
     96
     97labels.append(nbr)
     98
     99#cv2.imshow("Adding faces to traning set...", image)
    100
    101#cv2.waitKey(50)
    102
    103# return the images list and labels list
    104
    105return images, labels
    106
    107# Perform the tranining
    108
    109def train_recognizer():
    110
    111recognizer = cv2.createLBPHFaceRecognizer()
    112
    113images, labels = get_images_and_labels()
    114
    115if images==False:
    116
    117return False
    118
    119cv2.destroyAllWindows()
    120
    121recognizer.train(images, np.array(labels))
    122
    123return recognizer
    124
    125def get_name(image_path,recognizer):
    126
    127global x,choices
    128
    129#if recognizer==  :
    130
    131# recognizer=train_recognizer()
    132
    133cascadePath = "haarcascade_frontalface_default.xml"
    134
    135faceCascade = cv2.CascadeClassifier(cascadePath)
    136
    137#recognizer=train_recognizer()
    138
    139x1=testing
    140
    141global g
    142
    143print image_path
    144
    145image = cv2.imread(image_path)
    146
    147img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    148
    149predict_image = np.array(img, uint8 )
    150
    151faces = faceCascade.detectMultiScale(
    152
    153img,
    154
    155scaleFactor=1.3,
    156
    157minNeighbors=5,
    158
    159minSize=(30, 30),
    160
    161flags = http://cv2.cv.CV_HAAR_SCALE_IMAGE
    162
    163)
    164
    165for (x, y, w, h) in faces:
    166
    167f= image[y:y+w,x:x+h]
    168
    169cv2.imwrite( temp.jpg ,f)
    170
    171im= temp.jpg
    172
    173nbr_predicted, conf = recognizer.predict(predict_image[y: y + h, x: x + w])
    174
    175predicted_name=g[nbr_predicted-1]
    176
    177print "{} is Correctly Recognized with confidence {}".format(predicted_name, conf)
    178
    179if conf>=140:
    180
    181continue
    182
    183msg= Is this  +predicted_name
    184
    185reply = buttonbox(msg, image=im, choices=[ Yes , No ])
    186
    187if reply== Yes :
    188
    189reply=predicted_name
    190
    191directory=current_directory+  +reply
    192
    193if not os.path.exists(directory):
    194
    195os.makedirs(directory)
    196
    197random_name=  .join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
    198
    199path=directory+  +random_name+ .jpg
    200
    201cv2.imwrite(path,f)
    202
    203else:
    204
    205msg = "Who is this?"
    206
    207reply = buttonbox(msg, image=im, choices=choices)
    208
    209if reply == Add a name :
    210
    211name=enterbox(msg= Enter the name , title= Training , strip=True)
    212
    213print name
    214
    215choices+=[name]
    216
    217reply=name
    218
    219directory=current_directory+  +reply
    220
    221if not os.path.exists(directory):
    222
    223os.makedirs(directory)
    224
    225random_name=  .join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
    226
    227path=directory+  +random_name+ .jpg
    228
    229print path
    230
    231cv2.imwrite(path,f)
    232
    233
    234
    235# calculate window position
    236
    237root = Tk()
    238
    239pos = int(root.winfo_screenwidth() * 0.5), int(root.winfo_screenheight() * 0.2)
    240
    241root.withdraw()
    242
    243WindowPosition = "+%d+%d" % pos
    244
    245
    246
    247# patch rootWindowPosition
    248
    249rootWindowPosition = WindowPosition
    250
    251def detect_faces(img):
    252
    253global choices,current_directory
    254
    255imagePath = img
    256
    257faceCascade = cv2.CascadeClassifier(cascPath)
    258
    259image = cv2.imread(imagePath)
    260
    261gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    262
    263faces = faceCascade.detectMultiScale(
    264
    265gray,
    266
    267scaleFactor=1.3,
    268
    269minNeighbors=5,
    270
    271minSize=(30, 30),
    272
    273flags = http://cv2.cv.CV_HAAR_SCALE_IMAGE
    274
    275)
    276
    277
    278
    279print "Found {0} faces!".format(len(faces))
    280
    281m=0
    282
    283for (x, y, w, h) in faces:
    284
    285m+=1
    286
    287padding=0
    288
    289f= image[y-padding:y+w+padding,x-padding:x+h+padding]
    290
    291cv2.imwrite( temp.jpg ,f)
    292
    293im= temp.jpg
    294
    295msg = "Who is this?"
    296
    297reply = buttonbox(msg, image=im, choices=choices)
    298
    299if reply == Add a name :
    300
    301name=enterbox(msg= Enter the name , title= Training , strip=True)
    302
    303print name
    304
    305choices+=[name]
    306
    307reply=name
    308
    309directory=current_directory+  +reply
    310
    311if not os.path.exists(directory):
    312
    313os.makedirs(directory)
    314
    315random_name=  .join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
    316
    317path=directory+  +random_name+ .jpg
    318
    319print path
    320
    321cv2.imwrite(path,f)
    322
    323def new(img,recognizer):
    324
    325imagePath = current_directory+  +img
    326
    327print imagePath
    328
    329get_name(imagePath,recognizer)
    330
    331cascPath = haarcascade_frontalface_default.xml
    332
    333b=0
    334
    335os.system("change_name.py")
    336
    337for filename in os.listdir("."):
    338
    339b+=1
    340
    341if b%10==0 or b==1:
    342
    343os.system("change_name.py")
    344
    345recognizer=train_recognizer()
    346
    347if filename.endswith( .jpg ) or filename.endswith( .png ):
    348
    349print filename
    350
    351imagePath=filename
    352
    353#detect_faces(imagePath)
    354
    355new(imagePath,recognizer)
    356
    357os.remove(filename)
    358
    359raw_input( Done with this photograph )

我想进一步修改它的搜索功能，其中会包含更多的搜索类型，比如基于地理位置，微笑的脸，伤心的脸等等。（这样我就可以在 Skylawns 上 搜索快乐的 Tanmay & 沮丧的 Akshay & 快乐的…）

我还写了很多脚本，但那都是很久之前的事情了，我也懒得再去检查这些代码了，我会列出部分代码。

GitHub 链接：tanmay2893/Image-Sorting

### Gmail 邮件通知 ###

在那段时间，我没有智能手机。导致我常常错过来自于我所在的研究所的邮件（在我的研究所的邮件 ID），我写了一个脚本，可以在我的笔记本上运行，而且能给我的手机发信息。我使用 python 的 IMAP 库来获取邮件。我可以输入一些重要的人的名字，这样一来，当这些人给我发了邮件后，我可以收到短信通知。对于短信， 我使用了 way2sms.com（写了一个 python 脚本，自动登陆我的账户，然后发送 短信）。

### **PNR**（Passenger Name Record旅客订座记录，下同）** 状态短讯** ###

铁路方面不经常发送 PNR 状态消息。因此，我写了一个脚本，可以从印度铁路网站获取 PNR 状态。这是非常容易的，因为那个网站没有验证码，即使有，也只是形同虚设的验证码（在过去，一些字母会被写在看起来像图片一样的东西上面，因为他们为这些字母使用了一个 “check” 的背景图）。我们可以轻松地从 HTML 网页得到这些字母。我不明白他们这样做的目的是什么，难道仅仅是为了愚弄他们自己吗？不管怎么样，我使用短信息脚本来处理它，经过一段时间间隔，它会在我的笔记本上运行一次，就像是一个定时任务，只要 PNR 状态有更新，它就会把更新信息发送给我。

### YouTube 视频下载器 ###

这个脚本会从 Youtube 页面下载所有的 Youtube 视频 以及他们所有的字幕文件（从Download and save subtitles 下载）。为了使下载速度更快一点，我使用了多线程。还有一个功能是，即使你的电脑重启了，仍然可以暂停和恢复播放下载的（视频）。我原本想做一个UI的，但是我太懒了… 一旦我的下载任务完成，我就不去关心 UI 的事情了。

### 板球比分通知器 ###

我猜想这个功能已经在别的地方提到过了。一个窗口通知器。（在右下角的通知区域，它会告诉你实时比分以及评论信息）。如果你愿意的化，在某些时间段，你也可以关掉它。

### WhatsApp 消息 ###

这个并不太实用，我只是写着玩玩。因为 Whatsapp 有网页版，我使用 selenium 和 Python 下载我的所有联系人的显示图片，并且，一旦有人更新了他们的显示图片，我将会知道。（如何做到的？非常简单，在设定好时间间隔后，我会一遍又一遍的不停下载所有的头像信息，一旦照片的尺寸发生变化，我将会知道他/她更新了显示图片）。然后我会给他/她发一个信息，不错的头像。我仅仅使用了一次来测试它的可用性。

### Nalanda 下载器 ###

我们一般在这个叫 ‘Nalanda’ 的网站上下载一些教学课件以及其他的课程资料， ‘Nalanda’ 在 BITS Pilani (Nalanda).  我自己懒得在考试前一天下载所有的课件，所以，我写了这个这个下载器，它可以把每一门科的课件下载到相应的文件夹。

![format_png 12][]

![format_png 13][]![format_png 14][]

代码:

1import mechanize,os,urllib2,urllib,requests,getpass,time
      2
      3start_time = time.time()
      4
      5from bs4 import BeautifulSoup
      6
      7br=mechanize.Browser()
      8
      9br.open( https://nalanda.bits-pilani.ac.in/login/index.php )
     10
     11br.select_form(nr=0)
     12
     13
     14
     15name=  
     16
     17while name==  :
     18
     19    try:
     20
     21        print *******
     22
     23        username=raw_input( Enter Your Nalanda Username:  )
     24
     25        password=getpass.getpass( Password:  )
     26
     27        br.form[ username ]=username
     28
     29        br.form[ password ]=password
     30
     31        res=br.submit()
     32
     33        response=res.read()
     34
     35        soup=BeautifulSoup(response)
     36
     37        name=str(soup.find( div ,attrs={ class : logininfo }).a.string)[:-2]
     38
     39    except:
     40
     41        print Wrong Password
     42
     43f=open( details.txt , w )
     44
     45f.write(username+ n +password)
     46
     47f.close()
     48
     49print Welcome,  +name
     50
     51print All the files will be downloaded in your Drive C in a folder named "nalanda"
     52
     53#print soup.prettify()
     54
     55div=soup.find_all( div ,attrs={ class : box coursebox })
     56
     57
     58l=len(div)
     59
     60a=[]
     61
     62for i in range(l):
     63
     64    d=div[i]
     65
     66    s=str(d.div.h2.a.string)
     67
     68    s=s[:s.find( ( )]
     69
     70    c=(s,str(d.div.h2.a[ href ]))
     71
     72    path= c:nalanda +c[0]
     73
     74    if not os.path.exists(path):
     75
     76        os.makedirs(path)
     77
     78    a+=[c]
     79
     80#print a
     81
     82overall=[]
     83
     84for i in range(l):
     85
     86    response=br.open(a[i][1])
     87
     88    page=response.read()
     89
     90    soup=BeautifulSoup(page)
     91
     92    li=soup.find_all( li ,attrs={ class : p main clearfix })
     93
     94    x=len(li)
     95
     96    t=[]
     97
     98    folder=a[i][0]
     99
    100    print Downloading  +folder+  files...
    101
    102    o=[]
    103
    104    for j in range(x):
    105
    106        g=li[j].ul
    107
    108        #print g
    109
    110        #raw_input(  )
    111
    112        if g!=None:
    113
    114            temp=http://g.li[ class ].split(   )
    115
    116            #raw_input(  )
    117
    118            if temp[1]== resource :
    119
    120                #print  yes
    121
    122                #print  ********************
    123
    124                o+=[j]
    125
    126                h=li[j].find( div ,attrs={ class : content })
    127
    128                s=str(h.h3.string)
    129
    130                path= c:nalanda +folder
    131
    132                if path[-1]==   :
    133
    134                    path=path[:-1]
    135
    136                path+=  +s
    137
    138                if not os.path.exists(path):
    139
    140                    os.makedirs(path)
    141
    142                f=g.find_all( li )
    143
    144                r=len(f)
    145
    146                z=[]
    147
    148                for e in range(r):
    149
    150                    p=f[e].div.div.a
    151
    152                    q=f[e].find( span ,attrs={ class : resourcelinkdetails }).contents
    153
    154                    link=str(p[ href ])
    155
    156                    text=str(p.find( span ).contents[0])
    157
    158                    typ=  
    159
    160                    if str(q[0]).find( word )!=-1:
    161
    162                        typ= .docx
    163
    164                    elif str(q[0]).find( JPEG )!=-1:
    165
    166                        typ= .jpg
    167
    168                    else:
    169
    170                        typ= .pdf
    171
    172                    if typ!= .docx :
    173
    174                        res=br.open(link)
    175
    176                        soup=BeautifulSoup(res.read())
    177
    178                        if typ== .jpg :
    179
    180                            di=soup.find( div ,attrs={ class : resourcecontent resourceimg })
    181
    182                            link=di.img[ src ]
    183
    184                        else:
    185
    186                            di=soup.find( div ,attrs={ class : resourcecontent resourcepdf })
    187
    188                            link=di.object[ data ]
    189
    190                    try:
    191
    192                        if not os.path.exists(path+  +text+typ):
    193
    194                            br.retrieve(link,path+  +text+typ)[0]
    195
    196                    except:
    197
    198                        print Connectivity Issues
    199
    200                    z+=[(link,text,typ)]
    201
    202                t+=[(s,z)]
    203
    204    if t==[]:
    205
    206        print No Documents in this subject
    207
    208    overall+=[o]
    209
    210    #raw_input( Press any button to resume )
    211
    212#print overall
    213
    214print Time Taken to Download:  +str(time.time()-start_time)+  seconds
    215
    216print Do you think you can download all files faster than this :P
    217
    218print Closing in 10 seconds
    219
    220time.sleep(10)

### 我自己的 DC++ ###

这个脚本并不是很有用，目前只有一些学生在用它， 况且，DC ++ 已经提供了一些很酷的功能。我原本可以优化我自己的版本，但是，由于我们已经有了DC ++，我并没有这么做，尽管我已经使用 nodeJS 和 python 写了一个基础版本。

**工作原理：**

打开 DC++ ， 进入一个中心站点，然后连接，我写了一个 python 脚本来做这件事。脚本会在 PC上创建一个服务器（可以通过修改 SimpleHTTPRequestHandler 来完成）。

在服务器端（使用了NodeJS），它会拿到 PC 的连接，共享给其他的用户。

![format_png 15][]![format_png 16][]![format_png 17][]

这个是主页面:

![format_png 18][]

这个页面显示了所有的用户和他们的链接。因为我给 Nick 加了一个超链接，所以在链接这一拦是空的。

所以，当用户数量增加以后，这个页面会列出所有的用户列表。基本上，这个页面充当了一个你和另外一个人联系的中间人角色。我还做了一个在所有用户中搜索特定文件的功能。

这里是客户端的 python 文件（这是一段很长的代码，我上传到了 Ideone）

所有这些代码仅仅用于教育目的。

公号后台回复「002」，添加助手加入粉丝群
    
    团队打造的计划，敬请期待
    
    
    好文章，我在看

[format_png]: /images/20230312/aeac2603297844208f388b0f4f30833d.png
[format_png 1]: /images/20230312/5eaffe487c84482c8bdee40f261cb8bf.png
[format_png 2]: /images/20230312/4a960854d2304f6290abe2dfd9725fa0.png
[format_png 3]: /images/20230312/0622503d9d43438383e971ab9d2f234c.png
[format_png 4]: /images/20230312/655837dc773a4809a22a2d4ac50eb459.png
[format_png 5]: /images/20230312/a03a8124379f4dab8689a68ac93ac82f.png
[format_png 6]: /images/20230312/340bc8436203473dbaab1313a8fdfe34.png
[format_png 7]: /images/20230312/aa5d0e3e53124fc7b3858f788297bc8d.png
[format_png 8]: /images/20230312/eb5778476cea4a58a15f03b9fef2a1b6.png
[format_png 9]: /images/20230312/848dbca7afd0493ea4dfade6f86d5591.png
[format_png 10]: /images/20230312/aace91daf1d349ec9a427e56e929c929.png
[format_png 11]: /images/20230312/94f58d1f472f479580f18650a6f484ac.png
[format_png 12]: /images/20230312/a2e063857b224a6691baccdfa447ccd3.png
[format_png 13]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9maHVqem9RZTdUcndKRWZWTXhzQVE5VmliekFkQ0MzY0MxNWhhRDI2RHc4Y1dZdWRPNjlVcG9pYmJvaWNEQlN1NkdKWkhSZnZ1SHl2Q1o3TGliRFNyQXQySncvNjQw?x-oss-process=image/format,png
[format_png 14]: /images/20230312/78f6271a67f14c258dafd80d92a033ad.png
[format_png 15]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9maHVqem9RZTdUcndKRWZWTXhzQVE5VmliekFkQ0MzY0M2WER0OWE2ZW5xdkZVc29CaWNYVEltaWFNQVBldFBLNHk3b1FYRFVycGljWmliVVo5bmlhcW9lZ2hFUS82NDA?x-oss-process=image/format,png
[format_png 16]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9maHVqem9RZTdUcndKRWZWTXhzQVE5VmliekFkQ0MzY0NYSVlMcURpYWtBaHBkZzF6MVlqWlRBUFBSeEhqVzF5VjZlM0xlV05pYVhrd2gzNkJhUVlISklnUS82NDA?x-oss-process=image/format,png
[format_png 17]: /images/20230312/d16790ea286f48f481e02f386208376c.png
[format_png 18]: /images/20230312/7e4d638c722449cdad035f4bc6b0c78f.png