1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
#!/usr/bin/python3
import requests, re
import sys
def test_link_text(text):
text = text.upper()
words = (
'ЭРДОГАН',
'ТРИУМФАЛЬНО',
'ВОЕННОЕ ВМЕШАТЕЛЬСТВО',
'ИНДЕКСИРОВАН БЕЗУКОРИЗНЕННО',
'ЗАКАДЫЧНО[ПАРРОМА]',
'РОБОТИЧЕСКИ',
'ЫТРЭЧ',
'АКРОБАТИЧЕСКОЕ',
'МЕСТА(!)',
'СУХОГРУЗ',
'ГАЗ-53',
'ОТКЛАДЫВАЕТСЯ ЛИНЕЙНО',
'ДЕЖУРНЫЕ С ВЫШЕСТОЯЩИМИ',
'Х О Р Т И Ц А',
'ЯРОСЛАВСКАЯ ГУБЕРНИЯ',
'ПРИСУТСТВИЕ ВОЕННОЕ',
'ИМЕНИЯ ВЫШЕСТОЯЩИХ'
)
for w in words:
if w in text:
return True
return False
def full_url(url):
return 'https://2ch.hk' + url
page = 500
board = "b"
while page <= 600:
print("fetching page %d" % page)
url = "https://2ch.hk/%s/arch/%d.html" % (board, page)
r = requests.get(url)
for a in re.finditer(r'<a href="(/'+board+'/arch/[\d-]+/res/\d+\.html)">(.*?)</a>', r.text, flags=re.I|re.M):
link_href = a.group(1)
link_text = a.group(2)
if test_link_text(link_text):
print("[%d] %s => %s" % (page, full_url(link_href), link_text))
page += 1
|
