Salut je voudrais récupérer des sous-titres d'un site après de multiples recherches j'ai trouvé un script python assez intéressant.

Script qui fonctionne pas au dessus de 3.0 (jecrois) j'utilise la version 2.7.4

Voici le code :

#!/usr/bin/env python
import urllib,re,os

_in = raw_input('< Press enter to download images from first page >')
 
if not os.path.exists('sous-titres'):
        os.mkdir('sous-titres')
 
source = urllib.urlopen('http://www.u-sub.net/').read()

imgs = re.findall('class\=\"release\".*?src=\'(.*?)\"\title',source)

for img in imgs:
        filename = 'sous-titres/'+ img.split('/')[-1]
        if not os.path.exists(filename):
                urllib.urlretrieve(img,filename)

Je comprend tout sauf le passage source = re.findall( ?????, source) c'est moi qui est repris le code de quelqu'un en essayant de le modifier mais je n'arrive pas à l'utiliser.

J'ai fais de multiples test, mais impossible de récupérer quelque chose dans imgs.

Le but c'est de recup les points zip tel que : http://www.u-sub.net/subtitles/7658/The.Big.Bang.Theory.6x23.FR.GIGGITY.zip

présent dans le html de la page web et donc d'avoir tous les .zip dans un dossier.

Voici la video du mec sur lequel je me suis appuyer : http://www.youtube.com/watch?v=DWFxD9i7Nxo&list=UUiL1biHg2lVfHbLA5yVZTiQ&index=5

Si vous pouviez m'aider, je vous en remercie. 

-
Edité par Beardie 16 mai 2013 à 10:30:55

C'est ta regex qui coince. Essaies ca:

#! /usr/bin/env python

import urllib
import re
import os
 
_in = raw_input('< Press enter to download images from first page >')
  
if not os.path.exists('sous-titres'):
        os.mkdir('sous-titres')
  
source = urllib.urlopen('http://www.u-sub.net/').read().decode('utf-8')
 
imgs = re.findall(r'href=\"(http[^<>]*?zip)\"', source)
 
for img in imgs:
        filename = 'sous-titres/' + img.split('/')[-1]
        if not os.path.exists(filename):
                urllib.urlretrieve(img, filename)

Ca marche chez moi, sous Python 2.6.6.

PS: J'ai vraiment bricole la regex, il est fortement probable qu'elle soit a modifier.

-
Edité par stackOverflow 16 mai 2013 à 15:03:01

En gros, le but re.findall est de trouver tous les zips dans la page html.

Pour plus de precision: la doc.

PS: Si tu as trouve la solution a ton probleme, penses a mettre le sujet en resolu .

-
Edité par stackOverflow 16 mai 2013 à 15:00:56