python 生成payload

python 生成payload"/>

python 生成payload

编译：Python开发者 - Jake_on 英文：Quora

/

有网友在 Quora 上提问，「你用 Python 写过最牛逼的程序/脚本是什么？」。本文摘编了 3 个国外程序员的多个小项目，含代码。

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 字幕一键下载器

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，下载字幕文件，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，用来下载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：

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下载。步骤：按住 Ctrl ，选择你想要为其下载字幕的多个文件 ， 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 ，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：

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 连载漫画下载器

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，所以手动下载这些漫画是非常困难的。

基于如上原因，我写了一个 python 脚本 ，用来从这个站点下载所有的漫画。这个脚本利用 BeautifulSoup (… ) 解析 HTML 数据， 所以在运行脚本前，必须安装 BeautifulSoup。用于下载燕麦片(马修.英曼的一部漫画作品)的下载器已经上传到GitHub：theoatmeal-downloader 。(漫画)下载完后的文件夹是这样的 :D

4. someecards 下载器成功地从 下载了整部漫画后，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. 下载一些东西呢？

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下载，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下载搞笑的电子贺卡，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。下载完成后，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-downloader编辑：很多人问我是否可以共享我下载的所有文件，(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，你们可以在这里下载：somecards 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(  , 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( /%s %
54
5527. wallpost[ actor_id ])
56
5728. url = /%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...