OpenWRT镜像爬虫搭建本地源

Posted 2020-08-06 極

网上的爬虫不能用，还是先表达谢意，不过我比较懒不喜欢重复写别人写的教程，只贴出修改，怎么用自己看教程吧。

 

我自己改了一版可以正常爬：

#!/usr/bin/env python
#coding=utf-8
#
# Openwrt Package Grabber
#
# Copyright (C) 2016 sohobloo.me
#

import urllib2
import re
import os
import time

# the url of package list page, end with "/"
baseurl = ‘https://downloads.openwrt.org/snapshots/trunk/ramips/mt7620/packages/‘

# which directory to save all the packages, end with "/"
time = time.strftime("%Y%m%d%H%M%S", time.localtime())
savedir = ‘./‘ + time + ‘/‘
pattern = r‘<a href="([^\?].*?)">‘

def fetch(url, path = ‘‘):
    if not os.path.exists(savedir + path):
        os.makedirs(savedir + path)
    print ‘fetching package list from ‘ + url
    content = urllib2.urlopen(url + path, timeout=15).read()
    items = re.findall(pattern, content)
    cnt = 0
    for item in items:
        if item == ‘../‘:
            continue
        elif item.endswith(‘/‘):
            fetch(url, path + item)
        else:
            cnt += 1
            print ‘downloading item %d: ‘%(cnt) + path + item
            if os.path.isfile(savedir + path + item):
                print ‘file exists, ignored.‘
            else:
                rfile = urllib2.urlopen(baseurl + path + item)
                with open(savedir + path + item, "wb") as code:
                    code.write(rfile.read())

fetch(baseurl)

print ‘done!‘

 

修改内容：

1. 增加了一级当前时间格式的根目录

2. 修改正则，过滤无效的地址（问号开头）

3. 改为递归爬目录结构

 

另外很高兴Python知识终于可以用了，撒花。

 

---

 

想更新截图失败，博客园看上去是要死了。