Foro - Perl en Español

#!/usr/bin/env python

"""
        #########################
        ## goopyx 1.0 b        ##
        ##            by nekro ##
        #########################

        Contacto:
            http://www.hackerss.com

        Uso:
                ./goopyx [opciones]

                opciones:

                -l  --logfile=        Archivo de logs.
                -p  --paginas=        Paginas a mostrar (max 10) y debe ser un numero.

"""


import re,urllib2,sys,getopt
from sgmllib import SGMLParser

class atag(SGMLParser):
    def reset(self):
        SGMLParser.reset(self)
        self.urls = []

    def start_a(self, attrs):
        href = [x for y, x in attrs if y=='href']
        if href:
            self.urls.extend(href)


def google(query,paginas):

    #definimos variables
    google="http://www.google.com.mx/search?q=%s&num=100&start=%d&sa=N"
#url de google
    cont = 0        #contador
    query = "%20".join(query) #cadena de busqueda
    ident = re.compile("related:")
    listalinks = [""]


    while cont < paginas:

        #armamos la url
        urlgoogle = google % (query,cont * 100)

        #descargamos la pagina
        req = urllib2.Request(urlgoogle)
        opener = urllib2.build_opener()
        opener.addheaders = [('User-agent', 'Mozilla/5.0')]
        f = opener.open(req)
        html = f.read()

        #extraemos todos los links
        links = atag()
        links.feed(html)
        links.close()

        #checamos cada link hasta encontrar el correcto
        for x in links.urls:
            #print x
            if ident.search(x):
                url = x.replace("/search?hl=es&q=related:","")
                url = urllib2.unquote(url)
                listalinks.append(url)





        cont += 1
    #devolvemos una lista con los links

    totallinks = len(listalinks)

    return listalinks,totallinks

def guarda(listalinks,logfile):

    archivo = open(logfile,"a")
    #links = "\n".join(listalinks)
    for links in listalinks:
        archivo.write(links)
        archivo.write("\n")
    archivo.close()

def main():

    #Variables

    paginas = 10
    logfile = "google.txt"


    #Iniciamos el programa
    logo = """
              #########################
              ## goopyx 1.0 b        ##
              ##            by nekro ##
              #########################
           """

    ayuda = """
              USO:
                    %s [opciones]

                opciones:

                -l  --logfile=        Archivo de logs.
                -p  --paginas=        Paginas a mostrar (max 10) y debe ser un numero.


            """ % sys.argv[0]
    #obtenemos los parametros

    argumentos = sys.argv[1:]
    try:
        opt,args = getopt.getopt(argumentos,"p:l:",["paginas=","logfile="])
    except getopt.GetoptError:
        print ayuda
        sys.exit()

    for o,a in opt:
        if o in ("-p","--paginas"):
            try:
                paginas = int(a)
            except ValueError:
                print ayuda
                sys.exit()

        elif o in ("-l","--logfile"):
            logfile = a


    #iniciamos
    print logo
    query = raw_input(">>> Consulta: ")
    print ">>> Buscando: %s" % query
    print ">>> Paginas : %d" % paginas
    print ">>> Logfile : %s" % logfile
    print ">>> ....."


    query = query.split(" ")


    listalinks,totallinks = google(query,paginas)
    guarda(listalinks,logfile)

    print ">>> Se econtraron %d links" % totallinks


# Ejecutamos todo
if __name__ == '__main__':
    try:
        main()
    except  KeyboardInterrupt:
        print "Cancelado por el usuario."