class manuelturizoadn(scrapy.Spider):
name = 'manuelturizoadn'
_num_pagina = 1
start_urls = ['https://downloadmanuelturizoadn.wordpress.com']
id_domin = 5
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
#####TOMA LOS DATOS DE LA PÁGINA#####
titulo = response.css('h1.entry-title ::text').get()
referer = response.css('figure > a ::attr(href)').get()
fecha = response.css('time.entry-date.published.updated ::text').get()
cantante, album = separa_titulo(titulo, '–')
album = separa(album,' ', 1)
#####LLAMA AL REFERER#####
yield scrapy.Request(referer, callback= self.parse_attr, meta= {'fecha': fecha, 'referer': referer, 'titulo': titulo, 'cantante': cantante, 'album': album})
def parse_attr(self, response):
inf = response.css('button#download-btn ::attr(onclick)').get()
infringing = separa(inf, "'", 1)
for tb in response.css('td.column-title ::text'):
titulo = tb.get()
print('\n*****************DATOS*****************')
print('infringing: ' + infringing)
print('referer: ' + response.meta['referer'])
print('titulo: ' + titulo)
print('fecha: ' + response.meta['fecha'])
print('cantante: ' + response.meta['cantante'])
print('album: ' + response.meta['album'])
print('***************************************\n')
#####INSERTA EN BD#####
if veri(infringing) == True:
self.c.inserta_item(titulo, response.meta['cantante'], response.meta['album'],response.meta['referer'], infringing, response.meta['fecha'], self.id_domin)
def __init__(self, name=None, **kwargs):
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
#####CREA TABLAS#####
c.crea_tabla(self.nombre_trelacion)
#c.crea_tabla(self.nombre_tabla, self.nombre_trelacion)
if c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy,
self.nombre_trelacion)
class alvarosolereterno(scrapy.Spider):
name = 'alvarosolereterno'
_num_pagina = 1
start_urls = ['https://alvarosolereternoagostoalbummp3.wordpress.com/']
id_domin = 12
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
referer = response.css('figure > a ::attr(href)').get()
yield scrapy.Request(referer, callback=self.parse_attr)
def parse_attr(self, response):
Referer = response.url
Artista = response.xpath(
'/html/body/div/div[2]/div/div[2]/span[2]/text()').extract_first()
Album = response.xpath(
'/html/body/div/div[2]/div/div[2]/span[4]/text()').extract_first()
Fecha = response.xpath(
'/html/body/div/div[2]/div/div[2]/span[6]/text()').extract_first()
Infringing = response.css(
'div#download-btn-div :nth-child(4) ::attr(onclick)').get()
Infringing = separa(Infringing, '"', 1)
for tr in response.css('tbody > tr :nth-child(1)'):
Cancion = tr.css('::text').get()
#####IMPRIME INFORMACIÓN#####
imprime_datos(Cancion, Fecha, Artista, Album, Referer, Infringing)
#####INSERTA EN BD#####
if self.c.existe_inf(Infringing, self.id_domin) == False:
if veri(Infringing) == True:
self.c.inserta_item(Cancion, Artista, Album, Referer,
Infringing, Fecha, self.id_domin)
def parse(self, response):
#####VARIABLE#####
te_item = SpidersItem()
c = Controler(ModelSQLite(), View())
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
#####HACE UN LOOP POR PÁGINA EN BÚSCA DE LOS DATOS#####
for art in response.css('article.post.excerpt'):
#####IMPRIME LOS RESULTADOS####
yield scrapy.Request(art.css('a ::attr(href)').get(),
callback=self.parse_attr,
meta={
'item': te_item,
'controler': c
})
#break
print('')
self._num_pagina += 1
for next_page in response.css('a.next.page-numbers'):
yield response.follow(next_page, self.parse)
from datetime import date
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from verifica_link import veri, separa_titulo, separa, strip_spaces, imprime_datos
from controlador_vista import ModelSQLite, View, Controler
name = 'softarchive'
_num_pagina = 1
start_urls = ['https://softarchive.unblocked.ltda/music/']
id_domin = 13
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
#####CREA TABLA#####
c.crea_tabla(nombre_trelacion)
if c.existe_id(id_domin, nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
c.inserta_item_relacional(id_domin, start_urls[0], hoy, nombre_trelacion)
#####COMENTARIOS#####
print('\n########Pagina ' + str(_num_pagina) + '########')
#####ABRE NAVEGADOR SELENIUM#####
driver = webdriver.Chrome('C:\\Users\\APDIF\\Desktop\\chromedriver.exe')
driver.get(start_urls[0])
#####ESPERA A QUE CARGUE LA PÁGINA#####
class bjholver10(scrapy.Spider):
name = 'bjholver10'
_num_pagina = 1
start_urls = ['https://bjholver10.blogspot.com/2019/07/descarga-tu-musica-y-regueton-espero.html']
id_domin = 8
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy, self.nombre_trelacion)
def parse(self, response):
titulo = []
cantante = []
album = []
referer = []
infringing = []
fecha = date.today().strftime("%B %d, %Y")
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
#prueba = response.css("[style = 'text-align: center; outline: rgb(33, 198, 243) none 0px;'] > span").get()
for span in response.css('div#post-body-5669324029259817671 > div > div'):
text = span.css('span ::text').get()
#print(str(text))
if text is not None:
if text != 'DESCARGAR' and text[0] != '0':
titulo.append(text)
can, alb = separa_titulo(titulo[-1], '-')
if can == '-':
can, alb = separa_titulo(titulo[-1], '–')
cantante.append(can)
album.append(alb)
#print('agrega titulo: ' + titulo[-1])
#print('agrega cantante: ' + cantante[-1])
#print('agrega album: ' + album[-1])
text_des = span.css('span > a ::text').get()
text_des1 = span.css('a ::text').get()
if text_des == 'DESCARGAR' or text_des1 == 'DESCARGAR':
#print(str(span.css('span > a ::attr(href)').get()))
if span.css('span > a ::attr(href)').get() is not None:
referer.append(str(span.css('span > a ::attr(href)').get()))
elif span.css('a ::attr(href)').get() is not None:
referer.append(str(span.css('a ::attr(href)').get()))
if referer is not None:
infringing.append(self.get_inf(referer[-1]))
#print('agrega referer: ' + referer[-1])
#print('agrega infringing: ' + infringing[-1])
self.get_datos(titulo, fecha, cantante, album, referer, infringing)
def get_datos(self, titulo, fecha, cantante, album, referer, infringing):
#print('LEN: ' + str(len(titulo)))
#print('LEN: ' + str(len(infringing)))
#print('LEN: ' + str(len(referer)))
#print('LEN: ' + str(len(cantante)))
#print('LEN: ' + str(len(album)))
#print('titulo: ' + titulo[-1])
for i in range(len(infringing)):
print('\n*****************DATOS*****************')
print('infringing: ' + infringing[i])
print('referer: ' + referer[i])
print('titulo: ' + titulo[i])
print('fecha: ' + fecha)
print('cantante: ' + cantante[i])
print('album: ' + album[i])
print('***************************************\n')
#####INSERTA EN BD#####
if veri(infringing[i]) == True:
if self.c.existe_inf(infringing[i], self.id_domin) == False:
self.c.inserta_item(titulo[i], cantante[i], album[i], referer[i], infringing[i], fecha, self.id_domin)
def get_inf(self, url):
response = requests.get(url)
return str(response.request.url)
class produccionesortega(scrapy.Spider):
name = 'produccionesortega'
_num_pagina = 1
start_urls = ['http://produccionesortega507.com']
id_domin = 6
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy, self.nombre_trelacion)
def parse(self, response):
id = '0'
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for art in response.xpath('//*[@id="content"]/div[1]/article'):
band = True
titulo = art.css(' h2 > a ::text').get()
fecha = art.css('p > span > a ::text').get()
album, cantante = separa_titulo(titulo, '-')
referer = art.css('div > div.post-entry-content > a ::attr(href)').get()
id = self.get_id(referer,'/', 3)
infringing = self.get_infr(id)
if referer is None:
referer = art.css('div > div > p > strong > a ::attr(href)').get()
if referer is None:
#print('PATH: ' + str(art.xpath('//div/div/p[2]/a').extract()))
#print('A: ' + str(art.css('div.post-entry-content').get()))
for p in art.css('div.post-entry-content > strong > span > span > a') or art.css('div.post-entry-content > p > a'):
band = False
#print ('A: ' + str(art.css('div.post-entry-content').get()))
referer = p.css('::attr(href)').get()
id = self.get_id(referer,'/', 3)
infringing = self.get_infr(id)
#print('REF: ' + referer)
if self.comprueba_refer(referer, 'open') == True:
r = art.css('div.post-entry-content > p')
#print('A: ' + str(art.css('div.post-entry-content > p > strong').get()))
if r.css('strong') is not None:
r = r.css('strong > span')
referer = r.css('a ::attr(href)').get()
id = self.get_id(referer,'/', 3)
infringing = self.get_infr(id)
#####INSERTA EN BD#####
if veri(infringing) == True:
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(titulo, cantante, album, referer, infringing, fecha, self.id_domin)
else:
id = self.get_id(referer,'/', 3)
infringing = self.get_infr(id)
self.imprime_datos(titulo, fecha, cantante, album, referer, infringing)
else:
id = self.get_id(referer,'/', 3)
infringing = self.get_infr(id)
else:
if self.comprueba_refer(referer, '?') == True:
infringing = self.get_Mega(referer)
if band == True:
#####INSERTA EN BD#####
if veri(infringing) == True:
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(titulo, cantante, album, referer, infringing, fecha, self.id_domin)
self.imprime_datos(titulo, fecha, cantante, album, referer, infringing)
#referer = None
self._num_pagina+=1
try:
next_page = response.css('a.next.page-numbers ::attr(href)').get()
if next_page is not None:
yield response.follow(next_page, callback= self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def comprueba_refer(self, ref, cad):
if ref.find(cad) != -1:
return True
else:
return False
def get_Mega(self,ref):
driver = abre_navegador()
driver.get(ref)
time.sleep(8)
return driver.current_url
def imprime_datos(self, titulo, fecha, cantante, album, referer, infringing):
#####IMPRIME INFORMACIÓN#####
print('\n*****************DATOS*****************')
print('infringing: ' + infringing)
print('referer: ' + str(referer))
print('titulo: ' + titulo)
print('fecha: ' + fecha)
print('cantante: ' + cantante)
print('album: ' + album)
print('***************************************\n')
def get_id(self, id, separador, pos):
if id is not None:
n_id = id.split(separador)
return str(n_id[pos])
else:
return ''
def get_infr(self, id):
if id is not None or id != '0':
response = requests.get('https://musica.produccionesortega507.com/d.php?id=' + id , stream=True)
#print (response.headers)
return str(response.request.url)
else:
return ""
class lvumusic(scrapy.Spider):
name = 'lvumusic'
_num_pagina = 1
start_urls = ['https://www.lvumusic.net']
id_domin = 7
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for art in response.css('div.article-container > article'):
href = art.css('div.featured-image > a ::attr(href)').get()
titulo = art.css('div.featured-image > a ::attr(title)').get()
cantante, album = separa_titulo(titulo, '–')
fecha = art.css(
'div.below-entry-meta > span > a > time ::text').get()
yield scrapy.Request(href,
callback=self.parse_attr,
meta={
'fecha': fecha,
'titulo': titulo,
'cantante': cantante,
'album': album
})
#break
self._num_pagina += 1
try:
next_page = response.css('li.previous > a ::attr(href)').get()
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
href = response.css(
'div.entry-content.clearfix > center > a ::attr(href)').get()
yield scrapy.Request(href,
callback=self.parse_attr2,
meta={
'fecha': response.meta['fecha'],
'titulo': response.meta['titulo'],
'cantante': response.meta['cantante'],
'album': response.meta['album']
})
def parse_attr2(self, response):
referer = response.url
infringing = response.css(
'div.post-body.entry-content > center > table > tbody > tr > td > center > a ::attr(href)'
).get()
imprime_datos(response.meta['titulo'], response.meta['fecha'],
response.meta['cantante'], response.meta['album'],
referer, infringing)
#####INSERTA EN BD#####
if veri(infringing) == True:
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(response.meta['titulo'],
response.meta['cantante'],
response.meta['album'], referer,
infringing, response.meta['fecha'],
self.id_domin)
Does the url contain a downloadable resource
"""
try:
h = requests.head(url, allow_redirects=True)
header = h.headers
content_type = header.get('content-type')
except:
return False
if 'text' in content_type.lower():
return False
if 'html' in content_type.lower():
return False
return True
c = Controler(ModelSQLite(), View())
Artistas = c.get_artista("itunes_artist")
for art in Artistas:
search_word = quote(art[0] + ' descarga directa lang:es')
#print(art[0])
#print(search_word)
url = r'https://twitter.com/search?q=' + str(
search_word) + '&src=typed_query'
driver = webdriver.Chrome('C:\\Users\\APDIF\\Desktop\\chromedriver.exe')
driver
driver.get(url)
try:
driver.find_element_by_css_selector(
"input.text-input.email-input.js-signin-email").send_keys(
'*****@*****.**')
driver.find_element_by_name("session[password]").send_keys('$Apd1f')
class lamusicamp3(scrapy.Spider):
name = 'lamusicamp3'
_num_pagina = 1
start_urls = ['https://lamusicamp3.com/']
id_domin = 9
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for a in response.xpath('/html/body/div[1]/a'):
try:
titu = a.css('::attr(title)').get()
if titu is not None and titu != 'Descargar' and titu != 'Ak47Full' and titu != 'iPauta' and titu != 'ElGenero' and titu != 'FlowHot':
ref = a.css('::attr(href)').get()
hoy = date.today().strftime("%d %B, %Y")
cantante, album = separa_titulo(titu, '–')
yield scrapy.Request(ref,
callback=self.parse_attr,
meta={
'referer': ref,
'fecha': hoy,
'titulo': titu,
'cantante': cantante,
'album': album
})
except:
pass
self._num_pagina += 1
try:
next_page = response.css('a.nextpostslink ::attr(href)').get()
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
if response.css('a.btn-dl'):
infringing = response.css('a.btn-dl ::attr(href)').get()
imprime_datos(response.meta['titulo'], response.meta['fecha'],
response.meta['cantante'], response.meta['album'],
response.meta['referer'], infringing)
#####INSERTA EN BD#####
if veri(infringing) == True:
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(response.meta['titulo'],
response.meta['cantante'],
response.meta['album'],
response.meta['referer'], infringing,
response.meta['fecha'], self.id_domin)
class djmixtico(scrapy.Spider):
name = 'djmixtico'
_num_pagina = 1
start_urls = ['https://djmixtico.blogia.com/']
id_domin = 12
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for a in response.css('h2 > a'):
ref = a.css('::attr(href)').get()
#####LLAMA AL REFERER#####
yield scrapy.Request(ref,
callback=self.parse_attr,
meta={'referer': ref})
self._num_pagina += 1
try:
next_page = response.xpath(
'/html/body/main/nav[2]/ul/li[2]/a/@href').get()
if next_page is None:
next_page = response.xpath(
'/html/body/main/nav/ul/li[2]/a/@href').get()
#print('NEXT PAGE: ' + str(next_page))
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
titulo = response.css('h1 > a ::text').get()
cantante, album = separa_titulo(titulo, '-')
fecha = response.css('time > a ::text').get()
fecha = strip_spaces(fecha)
fecha = separa(fecha, '-', 0)
infringing = response.css(
'div.post__content > p > a ::attr(href)').get()
try:
if infringing.find('images') > 0:
infringing = response.xpath(
'//*[@id="post"]/div[2]/p/a[2]/@href').get()
if infringing is not None or infringing.find('megaupload') > 0:
if veri(infringing) == True:
imprime_datos(titulo, fecha, cantante, album,
response.meta['referer'], infringing)
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(titulo, cantante, album,
response.meta['referer'],
infringing, fecha, self.id_domin)
except:
pass
class ngleakers(scrapy.Spider):
name = 'ngleakers'
_num_pagina = 1
start_urls = ['http://ngleakers.com/']
id_domin = 4
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for art in response.css('div#main-content > article'):
titulo = art.css('a ::attr(title)').get()
referer = art.css('a ::attr(href)').get()
fecha = art.css('span.mh-meta-date updated ::text').get()
cantante, album = separa_titulo(titulo, '–')
#####LLAMA AL REFERER#####
yield scrapy.Request(referer,
callback=self.parse_attr,
meta={
'fecha': fecha,
'referer': referer,
'titulo': titulo,
'cantante': cantante,
'album': album
})
#break
self._num_pagina += 1
try:
next_page = response.css('div.nav-previous > a ::attr(href)').get()
#print('PAGINA SIGUIENTE:' + next_page)
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
infringing = response.css('h3 > a ::attr(href)').get()
print('\n*****************DATOS*****************')
print('infringing: ' + infringing)
print('referer: ' + response.meta['referer'])
print('titulo: ' + response.meta['titulo'])
print('fecha: ' + str(response.meta['fecha']))
print('cantante: ' + response.meta['cantante'])
print('album: ' + response.meta['album'])
print('***************************************\n')
#####INSERTA EN BD#####
if veri(infringing) == True:
if self.c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(response.meta['titulo'],
response.meta['cantante'],
response.meta['album'],
response.meta['referer'], infringing,
response.meta['fecha'], self.id_domin)
class de_album(scrapy.Spider):
name = 'de-album'
_num_pagina = 1
start_urls = ['https://de-album.blogspot.com/']
id_domin = 11
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0],
hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for h3 in response.css('h3.post-title') or response.css(
'h3.post-title.entry-title'):
#####RECOLECTA LOS DATOS DE LA PÁGINA#####
referer = h3.css('a ::attr(href)').get()
titulo = h3.css('a ::text').get()
#####SEPARA CANTANTE Y ALBUM#####
cantante, album = separa_titulo(titulo, '-')
#####LLAMA AL REFERER#####
yield scrapy.Request(referer,
callback=self.parse_attr,
meta={
'referer': referer,
'titulo': titulo,
'cantante': cantante,
'album': album
})
self._num_pagina += 1
try:
next_page = response.css(
'a.blog-pager-older-link.flat-button.ripple ::attr(href)').get(
)
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
#####TOMA LA FECHA#####
fecha = response.css('time.published ::text').get().strip()
#####BÚSCA LA PALABRA DOWNLOAD#####
link = response.xpath('//*/div[28]/b/span/a/@href').extract_first()
if link is None:
link = response.css('div > b > span > a ::attr(href)').get()
if link is None:
link = response.xpath(
'//*/div[2]/div/div[13]/a/@href').extract_first()
prev_inf = link
#####IMPRIME INFORMACIÓN#####
imprime_datos(response.meta['titulo'], fecha,
response.meta['cantante'], response.meta['album'],
response.meta['referer'], prev_inf)
#####INSERTA EN BD#####
self.inserta_BD(response, fecha, prev_inf)
#####LLAMA AL REFERER#####
infringing = self.Abre_pag(prev_inf)
imprime_datos(response.meta['titulo'], fecha,
response.meta['cantante'], response.meta['album'],
response.meta['referer'], infringing)
#####INSERTA EN BD#####
self.inserta_BD(response, fecha, infringing)
def inserta_BD(self, response, fecha, inf):
if self.c.existe_inf(inf, self.id_domin) == False:
if veri(inf) == True:
self.c.inserta_item(response.meta['titulo'],
response.meta['cantante'],
response.meta['album'],
response.meta['referer'], inf, fecha,
self.id_domin)
def Abre_pag(self, url):
#####ABRE NAVEGADOR#####
driver = webdriver.Chrome(
'C:\\Users\\APDIF\\Desktop\\chromedriver.exe')
driver.get(url)
time.sleep(1)
#####HACE CLICK EN EL BOTON#####
WebDriverWait(driver, 10).until(
EC.element_to_be_clickable(
(By.CSS_SELECTOR, "button#btn-main"))).click()
time.sleep(2)
driver.switch_to.window(window_name=driver.window_handles[1])
#####HACE CLICK EN EL BOTON#####
try:
WebDriverWait(driver, 10).until(
EC.element_to_be_clickable(
(By.CSS_SELECTOR, "button#btn-main"))).click()
except:
pass
element = driver.find_element_by_xpath("/html")
#####ABRE LOS POP UPS#####
for i in range(10):
ActionChains(driver).move_to_element(element).click().perform()
time.sleep(3)
driver.switch_to.window(window_name=driver.window_handles[1])
#####HACE CLICK EN EL BOTON#####
driver.switch_to.window(window_name=driver.window_handles[1])
time.sleep(10)
element = driver.find_element_by_css_selector("button#btn-main")
ActionChains(driver).move_to_element(element).click().perform()
time.sleep(3)
#####TOMA EL LINK MEGA#####
url = driver.current_url
#print('URL1: ' + url)
driver.quit()
return url
class mynewhits(scrapy.Spider):
name = 'mynewhits'
_num_pagina = 1
start_urls = ['http://mynewhits.blogspot.com/']
id_domin = 10
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy, self.nombre_trelacion)
def parse(self, response):
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
for div in response.css('div.date-posts > div'):
for a in div.css('article > div > h2 > a'):
titulo = a.css('::attr(title)').get()
href = a.css('::attr(href)').get()
cantante, album = self.separa_titulo(titulo, '-')
yield scrapy.Request(href, callback= self.parse_attr, meta= {'referer': href, 'titulo': titulo, 'cantante': cantante, 'album': album})
#break
#break
self._num_pagina+=1
try:
driver = webdriver.Chrome('C:\\Users\\APDIF\\Desktop\\chromedriver.exe')
#print('URL:' + str(response.url))
time.sleep(1)
driver.get(response.url)
driver.find_element_by_css_selector('div.pagenavi :last-child').click()
next_page = driver.current_url
#print('PAGINA SIG: ' + str(next_page))
#time.sleep(5)
if next_page is not None:
driver.close()
yield response.follow(next_page, callback= self.parse)
return
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
fecha = response.css('div.post-body.entry-content > div > div.post-info-icon.tanggal > span ::text').get().strip()
prev_inf = response.xpath('//*[@class="post-body entry-content"]/div[2]/div[3]/a/@href').get()
infringing = open_adfly(prev_inf,'span[id*="skip_button"]')
imprime_datos(response.meta['titulo'], fecha, response.meta['cantante'], response.meta['album'], response.meta['referer'], infringing)
#####INSERTA EN BD#####
if self.c.existe_inf(infringing, self.id_domin) == False:
if infringing is not None:
#if veri(infringing) == True:
self.c.inserta_item(response.meta['titulo'], response.meta['cantante'], response.meta['album'], response.meta['referer'], infringing, fecha, self.id_domin)
#####INSERTA EN BD#####
if self.c.existe_inf(prev_inf, self.id_domin) == False:
#if veri(prev_inf) == True:
self.c.inserta_item(response.meta['titulo'], response.meta['cantante'], response.meta['album'], response.meta['referer'], prev_inf, fecha, self.id_domin)
def separa_titulo(self, titulo, separador):
t = titulo.split(separador)
cantante, album = t[0], t[1]
return cantante,album
class realmmusik(scrapy.Spider):
name = 'realm-musik'
_num_pagina = 1
start_urls = ['https://realm-musik.blogspot.com/']
id_domin = 3
nombre_trelacion = 'dominios'
#####CREA OBJETO#####
c = Controler(ModelSQLite(), View())
def __init__(self, name=None, **kwargs):
#####CREA TABLA#####
self.c.crea_tabla(self.nombre_trelacion)
if self.c.existe_id(self.id_domin, self.nombre_trelacion) == False:
#####TOMA LA FECHA ACTUAL#####
hoy = date.today().strftime("%d %B, %Y")
#####INSERTA EN LA TABLA RELACIONAL#####
#id_trelacion = c.ultimo_id(self.nombre_trelacion)
self.c.inserta_item_relacional(self.id_domin, self.start_urls[0], hoy, self.nombre_trelacion)
def parse(self, response):
link_inf = []
#####COMENTARIOS#####
print('\n########Pagina ' + str(self._num_pagina) + '########')
ids = response.xpath('//*[@id="Blog1"]/div/div/div/div/div/meta[3]/@content').extract()
for i in range(len(ids)):
link_inf.append(str(response.xpath('//*[@id="post-body-'+ ids[i]+'"]/div[2]/a/@href').extract_first()))
print('\nID: ' + str(link_inf[-1]))
#####HACE UN LOOP POR PÁGINA EN BÚSCA DE LOS DATOS#####
for div in response.css('div.blog-posts.hfeed'):
for dd in div.css('div.date-outer'):
fecha = dd.css('span ::text').get()
i = 0
for d in dd.css('div.post.hentry'):
referer = d.css('h3.post-title.entry-title > a ::attr(href)').get()
titulo = d.css('h3.post-title.entry-title > a ::text').get()
cantante, album = self.separa(titulo)
try:
yield scrapy.Request(url= link_inf[i], callback= self.parse_attr, meta= {'fecha': fecha, 'referer': referer, 'titulo': titulo, 'cantante': cantante, 'album': album})
i += 1
except:
pass
print('\n')
#####PASA A LA SIGUIENTE PAGINA#####
self._num_pagina+=1
try:
next_page = response.css('a.blog-pager-older-link ::attr(href)').get()
#print('PAGINA SIGUIENTE:' + next_page)
if next_page is not None:
yield response.follow(next_page, callback= self.parse)
except:
print('Hubo un problema al abrir la página siguiente')
def parse_attr(self, response):
url = str(response.url)
link_mega = open_adfly(url, 'skip_bu2tton')
if link_mega is not None:
link_mega = 'mega' + self.separaLink(link_mega)
#return link_mega
infringing = str(unquote(link_mega))
print('\n*****************DATOS*****************')
print('infringing: ' + infringing)
print('fecha: ' + response.meta['fecha'])
print('referer: ' + response.meta['referer'])
print('titulo: '+ response.meta['titulo'])
print('cantante: '+ response.meta['cantante'])
print('album: '+ response.meta['album'])
print('***************************************\n')
#####INSERTA EN BD#####
if veri(infringing) == True:
if c.existe_inf(infringing, self.id_domin) == False:
self.c.inserta_item(response.meta['titulo'], response.meta['cantante'], response.meta['album'],response.meta['referer'], infringing, response.meta['fecha'], self.id_domin)
def separaLink(self, link):
#####SEPARA CANTANTE Y ALBUM#####
separa = link.split('mega')
return separa[1]
def separa(self, titulo):
#####SEPARA CANTANTE Y ALBUM#####
separa = titulo.split('Link')
s = separa[0].split('-')
try:
cantante, album = s[0], s[1]
except:
cantante = '-'
album = '-'
return cantante, album