在Linux下用wget批量下载迅雷离线的东西

标题略长了。

在Linux下资源下载的速度长期受限,ed2k,torrent什么都木有速度,坑爹呀,自从购买了迅雷VIP的服务,可以直接以http形式来从迅雷服务器内下载自己托迅雷下载的东西,好别扭的描述呐,而且如果你这个资源别人下载过的话,你就不用再次下载了,迅雷马上提示你这个任务已经完成了。至于其他的,用过的人都知道了,也不再细说。如果windows平台配合迅雷客户端用迅雷VIP的话,这个脚本也没有啥意义了(因为客户端更人性化^_^,当然占用资源也不少,嘿嘿),所以前提是你的OS要是Linux,然后使用迅雷离线的web界面。

由于firefox下载迅雷离线的东西存在这样几个问题,比如文件名中文乱码,要自己改(暗骂编码ing),不支持断点续传(我挂过几次,不过无奈重新下载了T_T),迅雷在点击下载的时候,响应慢死了,好久才跳出窗口。

出于这几个原因,我就去研究了下PT酱的那个离线下载的脚本,然后根据自己的需要重新写了。

(virpython2)[roowe@Arch mytools]$ ./thuner_xl_with_wget.py -h
usage: thuner_xl_with_wget.py [-h] [-p [P]] [-c [C]] [-o [O]] [-b] [-q] [-a]
 
Thuner li xian with wget
 
optional arguments:
  -h, --help  show this help message and exit
  -p [P]      load page file (default: ~/user_task.htm)
  -c [C]      load cookie file (default: ~/cookies.txt)
  -o [O]      output dir (default: ~/Downloads)
  -b          bt files only (default: False)
  -q          quiet, only log to file. (default: False)
  -a          download with aria2c (default: False)

用法如上,几个要解释的东西,第一个,user_task.htm就是你的迅雷任务页面,在Firefox可以用Ctrl+S进行保存下来,下载信息都在里面;第二个,cookie file就是你的cookie文件,这个是给wget用的,这个文件你可以用firefox的export cookie这个插件获取(一般重新登陆之后就需要再次export一次,因为这个时候旧的cookie已经失效了),其他浏览器请自行问google;output dir就是你的下载保存路径,其他就不说了,不明白可以联系我。

一个例子如下

(virpython2)[roowe@Arch mytools]$ ./thuner_xl_with_wget.py -o /home/ftpusers/ics/movies/ -p ~/user_task.htm  -c ~/cookies.txt
#!/usr/bin/env python
# -*- coding: utf-8 -*- 
 
 
#Time-stamp: <2011-10-25 21:36:28 Tuesday by roowe>
#File Name: thuner_xl_with_wget.py
#Author: bestluoliwe@gmail.com
#My Blog: www.iroowe.com
 
import re
import time
import os
import logging
import sys
from htmlentitydefs import entitydefs
import subprocess
LOG_FILE = "/tmp/thuner_with_wget.log"
log = None
def log_init(log_file, quiet=False):
    logger = logging.getLogger()
    logger.setLevel(logging.DEBUG)
    hdlr = logging.FileHandler(log_file)
    formatter = logging.Formatter("%(asctime)s %(levelname)s %(message)s")
    hdlr.setFormatter(formatter)
    logger.addHandler(hdlr)
    if not quiet:
        hdlr = logging.StreamHandler()
        hdlr.setFormatter(formatter)
        logger.addHandler(hdlr)
    return logger
 
def handle_entitydef(matchobj):
    key = matchobj.group(1)
    if entitydefs.has_key(key):
        return entitydefs[key]
    else:
        return matchobj.group(0)
def collect_urls(html, only_bturls = False):
    """
    collect urls
    """
    urls = []
    for name, url in re.findall(r"<a.+?name=['\"]bturls['\"] title=['\"](.+?)['\"].+?href=['\"](http.+?)['\"]>", html):
        name = re.sub("&(.*?);", handle_entitydef, name)
        url = re.sub("&(.*?);", handle_entitydef, url)
        urls.append((name, url))
    if not only_bturls:
        for id, name in re.findall(r'<input id=[\'"]durl(\w+?)[\'"].+title=[\'"](.+?)[\'"].+', html):
            result = re.search(r'<input id=[\'"]dl_url%s[\'"].+value=[\'"](http.*?)[\'"]' % id, html)
            if result:
                name = re.sub("&(.*?);", handle_entitydef, name)
                url = result.group(1)
                url = re.sub("&(.*?);", handle_entitydef, url)
                urls.append((name, url))
    log.info("Filter get %d links" % len(urls))
    return urls
def choose_download(urls):
    download_list = {}
    for name, url in urls:
        while True:
            ans = raw_input("Download %s?[Y/n](default: Y) " % name)
            if len(ans) == 0:
                ans = True
                break
            elif ans.lower() == 'y':
                ans = True
                break
            elif ans.lower() == 'n':
                ans = False
                break
            else:
                sys.stdout.write("please enter y or n!\n")
                continue
        download_list[name] = ans
    return download_list
def thuner_xl_with_wget(urls, output_dir, cookies_file, quiet=False):
    download_list = choose_download(urls)
    for name, url in urls:
        if len(url) == 0:
            log.debug("Empty Link, Name: " + name)
            continue
        if not download_list[name]:
            continue
        cmd = ["wget", "--load-cookies", cookies_file, "-c", "-t", "5", "-O", os.path.join(output_dir, name), url]
        if quiet:
            cmd.insert(1, "-q")
        log.info("wget cmd: '%s'" % ' '.join(cmd))
        ret = subprocess.call(cmd)
        if ret != 0:
            log.debug("wget returned %d." % ret)
            if ret in (3, 8):
                log.error("Give up '%s', may be already finished download, or something wrong with disk." % name)
            else:
                urls.append((name, url))
                log.error("will retry for %s later." % name)
            continue
        else:
            log.info("Finished %s" % name)
        time.sleep(2)
def thuner_xl_with_aria2c(urls, output_dir, cookies_file, quiet=False):
    """
    download with aria2c
    """
    download_list = choose_download(urls)
    for name, url in urls:
        if len(url) == 0:
            log.debug("Empty Link, Name: " + name)
            continue
        if not download_list[name]:
            continue
        cmd = ["aria2c", "--load-cookies", cookies_file, "-d", output_dir, "-c", "-m", "5", "-s", "5", "-o", name, url]
        if quiet:
            cmd.insert(1, "-q")
        log.info("wget cmd: '%s'" % ' '.join(cmd))
        ret = subprocess.call(cmd)
        if ret != 0:
            log.debug("wget returned %d." % ret)
            if ret in (13):
                log.error("Give up '%s', file already existed." % name)
            else:
                urls.append((name, url))
                log.error("the exit status number is %d, and then will retry for %s later." % (ret, name))
            continue
        else:
            log.info("Finished %s" % name)
        time.sleep(2)
 
if __name__ == "__main__":
    import argparse
    parser = argparse.ArgumentParser(description='Thuner li xian with wget', formatter_class=argparse.ArgumentDefaultsHelpFormatter)
    parser.add_argument('-p', nargs='?', default="~/user_task.htm", help="load page file")
    parser.add_argument('-c', nargs='?', default="~/cookies.txt", help="load cookie file")
    parser.add_argument('-o', nargs='?', default="~/Downloads", help="output dir")
    parser.add_argument('-b', action='store_true', default=False, help="bt files only")
    parser.add_argument('-q', action="store_true", default=False, help="quiet, only log to file.")
    parser.add_argument('-a', action="store_true", default=False, help="download with aria2c")
    args = parser.parse_args()
 
    only_bturls, cookies_file, output_dir, page_file, quiet = args.b, args.c, args.o, args.p, args.q
 
    page_file = os.path.expanduser(page_file) 
    cookies_file = os.path.realpath(os.path.expanduser(cookies_file))
    output_dir = os.path.expanduser(output_dir)
 
    log = log_init(LOG_FILE, quiet = quiet)
    if not os.path.exists(cookies_file):
        log.info("please export cookies file")
        sys.exit(0)
    if not os.path.isdir(output_dir):
        log.info("No such %s", output_dir)
        sys.exit(0)
    with open(page_file) as f:
        page_html = f.read()
    urls = collect_urls(page_html, only_bturls)
    if not args.a:
        thuner_xl_with_wget(urls, output_dir, cookies_file, quiet)
    else:
        thuner_xl_with_aria2c(urls, output_dir, cookies_file, quiet)

也可以通过访问https://bitbucket.org/Roowe/mytools/src/获取。

附图如下。

19 篇回應 (訪客:19 篇, 博主:0 篇)

  1. Quicl ~

    我的感觉是Ubuntu下面链接无线网络容易掉线,尤其下载东西时候想把电脑砸了~~

  2. 奶牛 ~

    多线程的axel呢?直接替代wget如何?

  3. lixian ~

    请问离线下载的文件地址是怎么生成的? 代码没太看懂
    你测试的时候系统的区域选的是PRC么? 我感觉如果区域选择非中文的话好像执行起来会有问题… 谢谢了
    cookies里面只有gdriveid是下载需要的 有效期一周不限制ip的

    • Roowe ~

      保存那个迅雷的离线页面,链接都在那个页面,用RE找找就是了,打算重新再写,这个版本不太好。

  4. rocisky ~

    我了个去啊,写了一天的脚本,想在ARM平台上使用,结果晚上google一下,博主早已写好~~

    • Roowe ~

      迟点得重构下,现在我不知道为什么用浏览器自带的下载能达到2M/s,但是用wget就很慢,迟点找找原因

  5. rocisky ~

    我电信20M带宽下载可达2.6M,不过有时不能满速,感觉是wget不能多线程的关系,也许似乎迅雷有些CDN的源质量不是很好的关系,我在尝试自动分析BT目录里面的下载链接,能下载BT离线就更加完美了,还有博主的超时时间可以再调大些10S也许比5S更好

  6. Cat ~

    下载BT文件夹失败,无法获取连接,下载文件就可以

留下評論

:?: :razz: :sad: :!: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: :smile: :evil:
貼圖 表情 ( ps. 若要貼代碼, 請將 "<" 改成 "&lt;" 即可, 此方法在所有 WP 網站均適用. )

這篇文章上的評論 RSS feed TrackBack URL