懒人的漫画下载工具[基本能用版]

从 http://mh.jumpcn.com/上下载漫画。
这个网站的防盗链不够强大，添加一个伪造的http referer header就可以了。
但是图片的URL不是特别规范（有好多种），为了省事就采用顺藤摸瓜的办法了——先访问目录页得到章节URL，然后再依次访问各图片页面（本来只需要访问第一张图片页就可以推出后面页码的，但是我发现图片URL命名风格很多种，可能是手动添加的原因吧）。
基本上都用的是标准模块，win xp sp2，py 2.5通过（家里的电脑只有windows……）
使用方法：
python source comicurl comicname
（保存路径为固定的D:\comic，因为我自己写的config和log都在寝室电脑，现在也不想去重复劳动)

贴代码：

# !/usr/bin/env python
# coding=cp936
import  urllib,httplib,os,re,sys
from  sgmllib  import  SGMLParser
from  urlparse  import  urlparse
'''
    chuan's comic robot
     '''
comicpath  =   ' D:\\comic '

''' class SaveLog(object):
    "SaveLog for 'The break point continues the biography ' "
    def __init__(self,path):
        self.f = open(os.path.join(path,'save.log'),'r') '''

class  IndexLister(SGMLParser):
     " parser comic chapters "
     def  reset(self):                              
        SGMLParser.reset(self)
        self.cpturl  =  []

     def  start_a(self, attrs):
        item  =  []
         if  len(attrs)  >   2   and  attrs[ 2 ][0]  ==   ' title '   and  attrs[0][ 1 ].find( ' /1.html ' )  >  0:
            item  =  [attrs[0][ 1 ],attrs[ 2 ][ 1 ]]
         if  item:
            self.cpturl.append(item)

class  ChapterLister(SGMLParser):
     " parser chapter infomation "
     def  reset(self):                              
        SGMLParser.reset(self)
        self.pagenum  =  0
    
     def  start_option(self, attrs):
         #  get page num
         if  attrs[0][0]  ==   ' value '   and  attrs[0][ 1 ].isdigit()  and  int(attrs[0][ 1 ])  >  self.pagenum:
            self.pagenum  =  int(attrs[0][ 1 ])

class  PicParser(object):
     " get picture location "
     def   __init__ (self):
        self.re  =  re.compile( " <td><a href=\ " (. + )\ " ><img src=\ " (. + )\ "  alt=\ " (. + )\ "  border=\ " 0\ "  /></a></td> " )
    
     def  parser(self, attrs):
        self.result  =  self.re.findall(attrs)
         if  self.result:
             return  self.result[0][ 1 ]
         else :
             return  None

class  Comic(object):
     " Comic object "
     def   __init__ (self,url,name = ' 未命名 ' ):
        self.url  =  url
        self.chaptercnt  =  0
        self.idxLister  =  IndexLister()
        self.chapters  =  []
        self.currentchapter  =  None
        self.path  =  os.path.join(comicpath,name)
        self.makedir()
        
     def  save(self,path):
         pass
     def  getchapter(self):
        self.idxLister.feed(urllib.urlopen(self.url).read())
         for  item  in  self.idxLister.cpturl:
            self.chapters.append(Chapter(item[0],self.path,item[ 1 ]))
     def  go(self):
         pass
         # for item in self.chapters:
         #     item.savepic()
     def  makedir(self):
         try :
             if   not  os.path.isdir(self.path):
                os.makedirs(self.path)
         except   Exception, e:
             pass

class  Chapter(object):
     " parser,get,save picture sort by chapter "
     def   __init__ (self,url  =   '' ,path  =   '' ,name = ' 未知章节 ' ):
        self.url  =  url
        self.cptLister  =  ChapterLister()
        self.pic  =  PicParser()
        self.name  =  name
        self.pagenum  =  0
        self.content  =  None
        self.picurllist  =  []
        self.chapterurllist  =  []
        self.path  =  os.path.join(path,name)
        
        self.makedir()
        self.getchapternum()
        self.initchapterurl()
        self.getpicurl()
        self.savepic()
        
     def  makedir(self):
         try :
             if   not  os.path.isdir(self.path):
                os.makedirs(self.path)
         except   Exception, e:
             pass
        
     def  initchapterurl(self):
         if  self.pagenum:
            self.chapterurllist.append(self.url)
            urlhead  =  self.url[0: - 6 ]
            urltail  =  self.url[ - 5 :]
             for  i  in  range( 2 ,self.pagenum):
                self.chapterurllist.append(urlhead + str(i) + urltail)
    
     def  getpicurl(self):
         if  self.pagenum:
             for  item  in  self.chapterurllist:
                self.picurllist.append(self.pic.parser(urllib.urlopen(item).read()))
            
     def  savepic(self):
         for  i  in  self.picurllist:
             if  os.path.isfile(os.path.join(self.path,i[i.rfind( ' / ' ) + 1 :])):
                 print  i, ' exist abort. '
                 continue
            url  =  urlparse(i)
            con  =  httplib.HTTPConnection(url.hostname)
            con.putrequest( ' GET ' ,url.path)
            con.putheader( ' Referer ' ,i)
            con.endheaders()
            r  =  con.getresponse()
            f  =  open(os.path.join(self.path,i[i.rfind( ' / ' ) + 1 :]), ' wb ' )
            content  =  r.read()
            f.write(content)
            f.close()
             print   ' save ' ,i, ' done. '

     def  getchapternum(self):
        self.content  =  urllib.urlopen(self.url).read()
         if  self.content:
            self.cptLister.feed(self.content)
            self.pagenum  =  self.cptLister.pagenum
             #  print debug info
             print  self.cptLister.pagenum, ' 页 ' ,self.name
         else :
             print   ' get %s pageinfo fail. '   %  self.name
     def  picparser(self,picurl):
         pass

if   __name__   ==   ' __main__ ' :
     if  len(sys.argv)  !=   3 :
         print   ' usage: [python] [this] [url] [name] '
     else :
         try :
             # mycomic = Comic("http://mh.jumpcn.com/comic-book/708/","史上最强弟子兼一")
            mycomic  =  Comic(sys.argv[ 1 ],sys.argv[ 2 ])
            mycomic.getchapter()
            mycomic.go()
         except   Exception, e:
             print  e

下载（有严重错误，停止下载）
ccr.py

2008年2月1日更新：发现一个重大BUG，111行应为
for i in range(2,self.pagenum+1):
否则每一章会少一页。
2008年2月6日更新：另一个BUG，最后一页的正则抓取与前面页数不一样，修改见第二版。

转载于:https://www.cnblogs.com/melorain/archive/2008/01/31/1059540.html