设为首页 收藏本站
查看: 1848|回复: 0

[经验分享] [Perl]抓取个人的所有闪存+格式化保存为文本

[复制链接]

尚未签到

发表于 2015-12-25 14:28:14 | 显示全部楼层 |阅读模式
  以下代码保存为utf8文本格式
  环境:ActivePerl v5.16 built for MSWin32-x86
  
  两个要调整的地方:
  for my $i (17..45) {  这里改成自己对应的页码,比如发了30页的闪存,就改成1..30
  还有就是这部分改成自己对应的ID和密码,中文ID还未测试过
  tbUserName=>"ID",
tbPassword=>"密码",
  抓取的结果参考截图:
DSC0000.png
  



=info
code: vicyang
mail: 523066680@163.com
date: 2015-02-07
=cut
#!/usr/bin/perl
use v5.16;
use strict;
use utf8;
use Encode;
use IO::Handle;
use LWP::UserAgent;
binmode(STDOUT, ":encoding(gbk)");
STDOUT->autoflush(1);
my $ua = LWP::UserAgent->new;
$ua->cookie_jar( {} );
my $randserial=getRandHex(32);
my $response = $ua->get(
'http://passport.cnblogs.com/BotDetectCaptcha.ashx?get=image&c=c_login_logincaptcha&t='.$randserial
);
print "$randserial\n";
if ($response->is_success) {
# 抓取验证码图片 #
open my $check_code_image, "> verifycode.BMP"  #默认验证图片的位置在当前目录
or die "$!";
binmode($check_code_image);
print $check_code_image $response->content;
close $check_code_image; #关闭print对句柄的控制
system("start verifycode.BMP");
} else {
print "wrong\n";
}
print "please input verifycode:";
my $inp=<STDIN>;
$inp=~s/\r?\n$//;
print "[$inp]\n";
my $res= $ua->post('http://passport.cnblogs.com/login.aspx?ReturnUrl=http://home.cnblogs.com/ing/',
[
__EVENTTARGET=>"",
__EVENTARGUMENT=>"",
__VIEWSTATE=>"/wEPDwUKLTM1MjEzOTU2MGQYAQUeX19Db250cm9sc1JlcXVpcmVQb3N0QmFja0tleV9fFgEFC2Noa1JlbWVtYmVy4b/ZXiH+8FthXlmKpjSEgi7XBNU=",
__VIEWSTATEGENERATOR=>"C2EE9ABB",
__EVENTVALIDATION=>"/wEdAAYIqCk3Gcmu25zI9fQWqoC7hI6Xi65hwcQ8/QoQCF8JIahXufbhIqPmwKf992GTkd2Mxo6xcg+Ng5CZxsqMUGnVMKtTyqevv9cjRp4Oh+9VMaKeKEbp39eHc9mbdvkCgxCM74oSoIAJofLsQdCCbtmog/0fDw==",
tbUserName=>"改成自己的ID",
tbPassword=>"改成自己的密码",
chkRemember=>"on",
LBD_VCID_c_login_logincaptcha=>$randserial,
LBD_BackWorkaround_c_login_logincaptcha=>1,
CaptchaCodeTextBox=>$inp,
btnLogin=>"登++录",
#txtReturnUrl=>"http://home.cnblogs.com/u/paktc/"
],
);
my $fh;
our $main='http://home.cnblogs.com/ing';
our $limit=70;
my $all;
my @ech;
for my $i (17..45) {
print STDOUT "Code: $i\n";
open $fh, ">:encoding(gbk)", "ing$i.txt";
select $fh;
$fh->autoflush(1);
$res = $ua->get("http://home.cnblogs.com/u/paktc/feed/$i.html") or warn "$!";
unless ($res->is_success) {
print "wrong\n";
}
$all=$res->content;
@ech=($all=~/GetIngRecentComments\((\d+)/gi);
for (@ech) {
&getDetail($_);
}
close $fh;
}
print STDERR "over";
<STDIN>;
sub getDetail {
our $main;
our $limit;
my $pagecode=shift;
$res = $ua->get($main."/".$pagecode) or warn "$!";
my @all=split(
/\r?\n/,
decode('utf8', $res->content)
);
my (
$p_time, $message,
$comment_count,
$comment_author,
$comment_text,
$comment_time
);
for (my $i=0; $i<=$#all; $i++)
    {
if ($all[$i]=~/\d+-\d+-\d+ \d+:\d+$/)
{
$p_time=$&;
print "\n$p_time\n";
}
if ($all[$i]=~/ing_detail_body">(.*)/i)
{
$message=$1;
while (not $message=~s/<\/div>//i) {
$message .= $all[++$i];
}
#case <div id="ing_detail_body"><a href="/ing/tag/..." class="ing_tag">[组图]</a>
#     [标签]
$message=~s/<a href=".*class="ing_tag">([^<]+)<\/a>/$1/i;
#case 幸运闪  其他情况还未考虑
$message=~s/<img src=.*alt="([^"]+)" title=".*"\/>/☆/i;
#case 链接
$message=~s/<a href="([^"]+)" .*<\/a>/<$1>/gi;
&charResume(\$message);  #必须传入一个引用,否则会崩溃
my @msg=splitText2($message, $limit, 2);
print "  ", "┈"x($limit/2), "\n";
print decode('gbk', join("", @msg));
print "  ", "┈"x($limit/2), "\n";
print STDOUT decode('gbk', join("", @msg)), "\n";
}
if ($all[$i]=~/ing_comment_count">(.*)(<\/div>)?/i)
{
$comment_count=$1;
}
if ($all[$i]=~/comment_author_.*ing\/">(.*)<\/a>/)
{
$comment_author = $1;
($comment_text = $all[$i+1]) =~ s/^ +//;
$comment_text =~s/<a href="([^"]+)" .*<\/a>/<$1>/gi;   #替换链接
&charResume(\$comment_text);
$all[$i+2] =~/(\d+-\d+-\d+ \d+:\d+)/;
$comment_time = $1;
printf("    <%s> ", $comment_author);
my $name_length = length(encode('gbk', $comment_author))+7;  #length "    <%s> "
my @msg = splitText2($comment_text, ($limit - $name_length), 0);
print decode('gbk', shift @msg);
for (@msg) {
print " "x$name_length . decode('gbk', $_);
}
print "\n";
$i+=2;
}
}
}
sub splitText2 {
my ($text, $limit, $indent) = @_;
my ($a, $b, @arr);
$b = encode('gbk', $text);
while (length($b) > $limit) {
($a, $b) = &cut_gbk($limit, $b);
push (@arr, " "x$indent . $a ."\n");
}
# At last
push (@arr, " "x$indent . $b ."\n");
return @arr;
}
sub cut_gbk {
my ($limit, $gstr) = @_;
my $i;
my $cut = 0;
my $gstr_a;
my $gstr_b;
foreach $i (
split("", decode('gbk', $gstr))
) {
if (ord($i) < 128) {
$cut+=1;
} else {
$cut+=2;
}
if ($cut >= $limit) {
$gstr_a = substr($gstr, 0, $cut);
$gstr_b = substr($gstr, $cut);
last;
}
}
return ($gstr_a, $gstr_b);
}
sub charResume {
#传入unicode格式的字符串
my $ref = shift;
my $char;
my $count=0;
${$ref}=~s/\&lt;/</gi;
${$ref}=~s/\&gt;/>/gi;
${$ref}=~s/\&quot;/"/gi;
${$ref}=~s/\&nbsp;/ /gi;
${$ref}=~s/\&ensp;/ /gi;
${$ref}=~s/\&amp;/\&/gi;
${$ref}=~s/\&amp;/\&/gi;
while (${$ref}=~/\&#(\d+);/) {
$count++;
$char=chr($1);
${$ref}=~s/\&#$1;/$char/g;
if ($count > 100) {
print STDOUT "DEEP LOOP \n";
sleep 1.0;
exit;
}
}
}
sub getRandHex {
my $str="";
for my $i (1 .. $_[0]) {
$str .= sprintf("%x", int(rand(16)));
}
return $str;
}
  

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-156244-1-1.html 上篇帖子: ABC Perl Programing 下篇帖子: 如何用Perl对Excel的数据进行提取并分析
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表