计算的边缘

如何写一个自动下载的脚本？

用Linux有一个很好的地方就是你可以很方便地让计算机为你做体力活。当然，前提是你要了解Linux的思维方式。下面就是一个活生生的例子，大家可以看看用Linux是怎么做事情的。

如果你喜欢听评书，这里是个不错的地方。这个网站有很多评书，还有百家讲坛，甚至有声的金庸小说。上面的东西不光可以在线听，而且都可以免费下载，不用注册。但是，只能一个链接一个链接地下载。例如，如果想下载《大唐惊雷》第1回，就要进入一个页面，然后点下载；要下载第2回，就要进入另一个页面，然后再点下载。这样，就无法批量下载一整部评书了。

如果你用Windows，那么你要么人肉点击这些链接，一个一个地下载（可能有100+回）；要么就用C或者Java写一个程序自动下载，前提是你要懂网络编程的细节。

下面，我就说一说在Linux下如何用Shell写一个自动下载脚本：

首先要做的就是分析链接，这个网站上，包含有《大唐惊雷》从第1回到第100回的链接的页面都是很有规律的：

http://www1.5ips.net/down_19_001.htm

http://www1.5ips.net/down_19_002.htm

…

http://www1.5ips.net/down_19_100.htm

我们需要一个东西能从001递增到100，递增可以用一个for循环解决，但是要输出成001，002这样的就不是很直接。在C语言中，我们可以用printf(“%03d”, n)来解决，在Shell中也一样，可以用printf命令：

printf "%03d" $i

此时，包含1-100回链接的页面地址已经生成了，下一步就是要从这些页面中提取出下载链接。如果分析这些页面的源代码，我们可以发现下面代码：

点此下载《大唐惊雷》第001回

我们可以用grep来获得这行。

那么，如何获得里面的下载链接？用sed或者awk也能达到目的，可以我都不会。我用了Python，string有一个split函数，这里按照引号(“)把这行分开，形成一个list，然后提取适当的元素就可以获得下载链接。用同样的方法还可以获得文件名，例如：”单田芳_大唐惊雷_001.mp3″。

大体的方法就是想法就是这样，下面就是具体的脚本：

#!/bin/sh

siteurl="http://www1.5ips.net/"
prefix="down_192_"
startnum=1
endnum=100

for i in `seq $startnum $endnum`
do
    preurl=$siteurl$prefix`printf "%03d" $i`".htm"
    wget -q -O prehtml $preurl
    iconv -f GBK -t utf-8 prehtml | grep 点此下载 > down_url_line
    down_url=`./geturl.py`
    filename=`./getname.py`
    echo "Starting downloading $i..."
    echo $down_url
    echo $filename
    wget -O $filename $down_url
    echo "Finish downloading $i"
done

#!/usr/bin/python
# getname.py

r = open("down_url_line").read().split('/')
print r[5].split('?')[0]

#!/usr/bin/python
# geturl.py

r = open("down_url_line").read().split('"')
print r[1]

运行脚本之后，大约1个小时，整个100回评书就下完了。当然，脚本还有很多改进的余地，比如说通过参数传入评书的名字，然后自动获取链接前缀。

在Linux下解决问题就是这么简单？在Windows下呢？现在了解网络编程，然后打开VS，稀里糊涂写一堆代码，然后再写一个窗口？然后再复杂的跟踪、调试、修改……有兴趣的话你可以试一试。

需要说明的是，我对Shell脚本和不是很熟，有时for或者while循环的格式都忘了；Python也不懂，我还没用Python写过程序。所有的东西都是现用现学，现用现Google。