一些牛逼的Python程序整理（一些简单的python程序）

一些牛逼的Python程序整理（一些简单的python程序）

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-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，-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-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-。步骤：按住 Ctrl ，选择你想要为其-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：

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-器

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-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-所有的漫画。这个脚本利用 BeautifulSoup (http://crummy.com/software/B… ) 解析 HTML 数据， 所以在运行脚本前，必须安装 BeautifulSoup。用于-燕麦片（马修.英曼的一部漫画作品）的-器已经上传到GitHub：theoatmeal.com-downloader  。（漫画）-完后的文件夹是这样的 :D

4. someecards.com -器

成功地从http://theoatmeal.com -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://someecards.com . -一些东西呢？

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-，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-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。-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-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-：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。

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。

我可以增加一个名字，像这个样子：

当训练了几个素材后，它会像这个样子：

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。

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-器

这个脚本会从 Youtube 页面-所有的 Youtube 视频 以及他们所有的字幕文件（从Download and save subtitles -）。为了使-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-的（视频）。我原本想做一个UI的，但是我太懒了… 一旦我的-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 -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-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 -器

我们一般在这个叫 ‘Nalanda’ 的网站上-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-所有的课件，所以，我写了这个这个-器，它可以把每一门科的课件-到相应的文件夹。

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 : section 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。

这个是主页面:

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。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。