From b374a150382f8dedaa170f5736691c364035dc11 Mon Sep 17 00:00:00 2001 From: frxz751113 <156018267+frxz751113@users.noreply.github.com> Date: Mon, 12 Aug 2024 19:29:36 +0800 Subject: [PATCH] =?UTF-8?q?Create=20=E6=B5=81=E7=95=85=E5=BA=A6=E6=A3=80?= =?UTF-8?q?=E6=B5=8B.py?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- py/流畅度检测.py | 290 +++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 290 insertions(+) create mode 100644 py/流畅度检测.py diff --git a/py/流畅度检测.py b/py/流畅度检测.py new file mode 100644 index 0000000..f99a352 --- /dev/null +++ b/py/流畅度检测.py @@ -0,0 +1,290 @@ +from pypinyin import lazy_pinyin +import re +import os +from opencc import OpenCC +import fileinput + +# 获取playlist目录下的文件名 +files1 = 'playlist' +# 过滤TXT文件 +file_contents = [] +for file_path in filter_files(files1, '.txt'): + with open('playlist/' + file_path, 'r', encoding="utf-8") as file: + content = file.read() + file_contents.append(content) +# 写入合并后的txt文件 +with open("playlist/3.txt", "w", encoding="utf-8") as output: + output.write('\n'.join(file_contents)) + + +# 合并自定义频道文件# +file_contents = [] +file_paths = ["playlist/3.txt", "酒店源.txt", "综合源.txt"] # 替换为实际的文件路径列表 +for file_path in file_paths: + if os.path.exists(file_path): + with open(file_path, 'r', encoding="utf-8") as file: + content = file.read() + file_contents.append(content) + else: # 如果文件不存在，则提示异常并打印提示信息 + print(f"文件 {file_path} 不存在，跳过") +# 写入合并后的文件 +with open("4.txt", "w", encoding="utf-8") as output: + output.write('\n'.join(file_contents)) + + +import cv2 +import time +from tqdm import tqdm + +# 初始化检测结果字典 +detected_ips = {} + +# 存储文件路径 +file_path = "4.txt" +output_file_path = "2.txt" + +def get_ip_key(url): + """从URL中提取IP地址，并构造一个唯一的键""" + # 找到'//'到第三个'.'之间的字符串 + start = url.find('://') + 3 # '://'.length 是 3 + end = start + dot_count = 0 + while dot_count < 3: + end = url.find('.', end) + if end == -1: # 如果没有找到第三个'.'，就结束 + break + dot_count += 1 + return url[start:end] if dot_count == 3 else None + +# 打开输入文件和输出文件 +with open(file_path, 'r', encoding='utf-8') as file: + lines = file.readlines() + +# 获取总行数用于进度条 +total_lines = len(lines) + +# 写入通过检测的行到新文件 +with open(output_file_path, 'w', encoding='utf-8') as output_file: + # 使用tqdm显示进度条 + for i, line in tqdm(enumerate(lines), total=total_lines, desc="Processing", unit='line'): + # 检查是否包含 'genre' + if 'genre' in line: + output_file.write(line) + continue + + # 分割频道名称和URL，并去除空白字符 + parts = line.split(',', 1) + if len(parts) == 2: + channel_name, url = parts + channel_name = channel_name.strip() + url = url.strip() + + # 构造IP键 + ip_key = get_ip_key(url) + if ip_key and ip_key in detected_ips: + # 如果IP键已存在，根据之前的结果决定是否写入新文件 + if detected_ips[ip_key]['status'] == 'ok': + output_file.write(line) + elif ip_key: # 新IP键，进行检测 + # 进行检测 + cap = cv2.VideoCapture(url) + start_time = time.time() + frame_count = 0 + + # 尝试捕获5秒内的帧 + while frame_count < 80 and (time.time() - start_time) < 5: + ret, frame = cap.read() + if not ret: + break + frame_count += 1 + + # 释放资源 + cap.release() + + # 根据捕获的帧数判断状态并记录结果 + if frame_count >= 80: + detected_ips[ip_key] = {'status': 'ok'} + output_file.write(line) # 写入检测通过的行 + else: + detected_ips[ip_key] = {'status': 'fail'} + +# 打印检测结果 +for ip_key, result in detected_ips.items(): + print(f"IP Key: {ip_key}, Status: {result['status']}") + + +######################################################################################################################################################################################## +################################################################定义关键词分割规则 +def check_and_write_file(input_file, output_file, keywords): + # 使用 split(', ') 来分割关键词 + keywords_list = keywords.split(', ') + pattern = '|'.join(re.escape(keyword) for keyword in keywords_list) + + # 读取输入文件并提取包含关键词的行 + extracted_lines = [] + with open(input_file, 'r', encoding='utf-8') as file: + for line in file: + if "genre" not in line: + if re.search(pattern, line): + extracted_lines.append(line) + + # 如果至少提取到一行，写入头部信息和提取的行到输出文件 + if extracted_lines: + with open(output_file, 'w', encoding='utf-8') as out_file: + out_file.write(f"{keywords_list[0]},#genre#\n") # 写入头部信息 + out_file.writelines(extracted_lines) # 写入提取的行 + + # 获取头部信息的大小 + header_size = len(f"{keywords_list[0]},#genre#\n") + + # 检查文件的总大小 + file_size = os.path.getsize(output_file) + + # 如果文件大小小于30字节（假设的最小文件大小），删除文件 + if file_size < 800: + os.remove(output_file) + print(f"文件只包含头部信息，{output_file} 已被删除。") + else: + print(f"文件已提取关键词并保存为: {output_file}") + else: + print(f"未提取到关键词，不创建输出文件 {output_file}。") + +# 按类别提取关键词并写入文件 +check_and_write_file('2.txt', 'a0.txt', keywords="央视频道, 8K, 4K, 4k") +check_and_write_file('2.txt', 'a.txt', keywords="央视频道, CCTV") +#check_and_write_file('2.txt', 'a1.txt', keywords="央视频道, 剧场, 影院, 电影, 女性, 地理") + +check_and_write_file('2.txt', 'b.txt', keywords="卫视频道, 卫视") + +check_and_write_file('2.txt', 'c.txt', keywords="影视频道, 爱情喜剧, 爱喜喜剧, 惊嫊悬疑, 东北热剧, 动作电影, 无名, 都市剧场, iHOT, 海外剧场, 欢笑剧场, 重温经典, 明星大片, 中国功夫, 军旅, 东北热剧, 中国功夫, 军旅剧场, 古装剧场, \ +家庭剧场, 惊悚悬疑, 欢乐剧场, 潮妈辣婆, 爱情喜剧, 精品大剧, 超级影视, 超级电影, 黑莓动画, 黑莓电影, 海外剧场, 精彩影视, 无名影视, 潮婆辣妈, 超级剧, 热播精选") + +check_and_write_file('2.txt', 'd.txt', keywords="少儿频道, 少儿, 卡通, 动漫, 宝贝, 哈哈") + +check_and_write_file('2.txt', 'e.txt', keywords="港澳频道, TVB, 澳门, 龙华, 民视, 中视, 华视, AXN, MOMO, 采昌, 耀才, 靖天, 镜新闻, 靖洋, 莲花, 年代, 爱尔达, 好莱坞, 华丽, 非凡, 公视, 寰宇, 无线, EVEN, MoMo, 爆谷, 面包, momo, 唐人, \ +中华小, 三立, CNA, FOX, RTHK, Movie, 八大, 中天, 中视, 东森, 凤凰, 天映, 美亚, 环球, 翡翠, 亚洲, 大爱, 大愛, 明珠, 半岛, AMC, 龙祥, 台视, 1905, 纬来, 神话, 经典都市, 视界, 番薯, 私人, 酒店, TVB, 凤凰, 半岛, 星光视界, \ +番薯, 大愛, 新加坡, 星河, 明珠, 环球, 翡翠台, ELTV, 大立, elta, 好消息, 美国中文, 神州, 天良, 18台, BLOOMBERG, Bloomberg, CMUSIC, CN卡通, CNBC, CNBC, CinemaWorld, Cinemax, DMAX, Dbox, Dreamworks, ESPN, Euronews, \ +Eurosports1, FESTIVAL, GOOD2, HBO家庭, HBO, HISTORY, HOY国际财经, HakkaTV, J2, KOREA, LISTENONSPOTIFY, LUXE, MCE, MTV, Now, PremierSports, ROCK, SPOTV, TiTV, VOA, ViuTV, ViuTV6, WSport, WWE, 八度, 博斯, 达文西, 迪士尼, \ +动物星球, 港石金曲, 红牛, 互动英语, 华纳影视, 华语剧台, ELTV, 欢喜台, 旅游, 美食星球, nhkworld, nickjr, 千禧, 全球财经, 探案, 探索, 小尼克, 幸福空间, 影剧, 粤语片台, 智林, 猪哥亮") + +#check_and_write_file('2.txt', 'f0.txt', keywords="湖北湖南, 湖北, 湖南") +check_and_write_file('2.txt', 'f.txt', keywords="省市频道, 湖北, 武汉, 松滋, 十堰, 咸宁, 远安, 崇阳, 黄石, 荆州, 当阳, 恩施, 五峰, 来凤, 枝江, 黄冈, 随州, 荆门, 秭归, 宜昌, 长阳, 大悟, 孝感, 鄂州, 垄上, 宜都") +check_and_write_file('2.txt', 'f1.txt', keywords="省市频道, 湖南, 长沙, 常德, 郴州, 垂钓, 金鹰纪实, 衡阳, 怀化, 茶, 吉首, 娄底, 邵阳, 湘潭, 益阳, 永州, 岳阳, 张家界, 株洲, 城步, 崇左, 洪雅, 涟水, 灵石, 隆回, 罗城, 溆浦, 邵阳") + +#check_and_write_file('2.txt', 'g0.txt', keywords="浙江上海, 浙江, 上海") +check_and_write_file('2.txt', 'g.txt', keywords="浙江上海, 浙江, 杭州, 宁波, 平湖, 庆元, 缙云, 嵊, 义乌, 东阳, 文成, 云和, 象山, 衢江, 萧山, 龙游, 武义, 兰溪, 开化, 丽水, 上虞, NBTV, 舟山, 新密, 衢州, 嘉兴, 绍兴, 温州, \ +湖州, 永嘉, 诸暨, 钱江, 松阳, 苍南, 遂昌, 青田, 龙泉, 余杭, 新昌, 杭州, 余杭, 丽水, 龙泉, 青田, 松阳, 遂昌, 宁波, 余姚, 上虞, 新商都, 绍兴, 温州, 永嘉, 诸暨, 钱江, 金华, 苍南, 临平") +check_and_write_file('2.txt', 'g1.txt', keywords="浙江上海, 上海, 东方, 普陀, 东方财经, 五星体育, 第一财经, 七彩, 崇明") + +#check_and_write_file('2.txt', 'h0.txt', keywords="河南河北, 河南, 河北") +check_and_write_file('2.txt', 'h.txt', keywords="河南河北, 河南, 焦作, 封丘, 郏县, 获嘉, 巩义, 邓州, 宝丰, 开封, 卢氏, 洛阳, 孟津, 安阳, 渑池, 南阳, 林州, 滑县, 栾川, 襄城, 宜阳, 长垣, 内黄, 鹿邑, 新安, 平顶山, 淇县, \ +杞县, 汝阳, 三门峡, 卫辉, 淅川, 新密, 新乡, 信阳, 新郑, 延津, 叶县, 义马, 永城, 禹州, 原阳, 镇平, 郑州, 周口, 泌阳, 郸城, 登封, 扶沟, 潢川, 辉县, 济源, 浚县, 临颍, 灵宝, 鲁山, 罗山, 沁阳, 汝州, 唐河, 尉氏") +check_and_write_file('2.txt', 'h1.txt', keywords="河南河北, 河北, 石家庄, 承德, 丰宁, 临漳, 井陉, 井陉矿区, 保定, 元氏, 兴隆, 内丘, 南宫, 吴桥, 唐县, 唐山, 安平, 定州, 大厂, 张家口, 徐水, 成安, 故城, 康保, 廊坊, 晋州, \ +景县, 武安, 枣强, 柏乡, 涉县, 涞水, 涞源, 涿州, 深州, 深泽, 清河, 秦皇岛, 衡水, 遵化, 邢台, 邯郸, 邱县, 隆化, 雄县, 阜平, 高碑店, 高邑, 魏县, 黄骅, 饶阳, 赵县, 睛彩河北, 滦南, 玉田, 崇礼, 平泉, \ +容城, 文安, 三河, 清河, 潞城, 迁安, 迁西, 清苑, 确山") + +#check_and_write_file('2.txt', 'j.txt', keywords="广东广西, 广东, 广西") +check_and_write_file('2.txt', 'j.txt', keywords="广东广西, 广东, 潮州, 东莞, 佛山, 广州, 河源, 惠州, 江门, 揭阳, 茂名, 梅州, 清远, 汕头, 汕尾, 韶关, 深圳, 阳江, 云浮, 湛江, 肇庆, 中山, 珠海, 番禺") +check_and_write_file('2.txt', 'j1.txt', keywords="广东广西, 广西, 百色, 北海, 防城港, 桂林, 河池, 贺州, 柳州, 南宁, 钦州, 梧州, 玉林, 宾阳") + +#check_and_write_file('2.txt', 'l0.txt', keywords="安徽四川, 安徽, 四川") +check_and_write_file('2.txt', 'l.txt', keywords="安徽四川, 安徽, 安庆, 蚌埠, 亳州, 巢湖, 池州, 岳西, 滁州, 阜阳, 合肥, 淮北, 淮南, 黄山, 六安, 马鞍山, 宿州, 铜陵, 芜湖, 宣城, 固始, 光山") +check_and_write_file('2.txt', 'l1.txt', keywords="安徽四川, 四川, 阿坝, 巴中, 成都, 达州, 德阳, 甘孜, 广安, 广元, 乐山, 凉山, 泸州, 眉山, 绵阳, 内江, 南充, 攀枝花, 遂宁, 雅安, 宜宾, 资阳, 自贡, 黑水, 金川, 乐至, 双流, \ +万源, 马尔康, 泸县, 文山, 什邡, 西青, 长宁, 达州, 红河") + + + +check_and_write_file('2.txt', 'o1.txt', keywords="其他频道, 新闻, 综合, 文艺, 电视, 公共, 科教, 教育, 民生, 轮播, 套, 法制, 文化, 经济, 生活") +check_and_write_file('2.txt', 'o.txt', keywords="其他频道, , ") + + + + +############################################################################################################################################################################################################################### +##############################################################对生成的文件进行合并 +file_contents = [] +file_paths = ["a0.txt", "a.txt", "a1.txt", "b0.txt", "b.txt", "c.txt", "c1.txt", "c2.txt", "d.txt", "f0.txt", "f.txt", "f1.txt", "g0.txt", "g.txt", "g1.txt", "h0.txt", "h.txt", "h1.txt", "i.txt", \ + "i1.txt", "j.txt", "j1.txt", "k.txt", "l0.txt", "l.txt", "l1.txt", "m.txt", "m1.txt", \ + "n0.txt","n.txt","n1.txt", "e.txt", "o1.txt", "o.txt"] # 替换为实际的文件路径列表 +for file_path in file_paths: + if os.path.exists(file_path): + with open(file_path, 'r', encoding="utf-8") as file: + content = file.read() + file_contents.append(content) + else: # 如果文件不存在，则提示异常并打印提示信息 + print(f"文件 {file_path} 不存在，跳过") +# 写入合并后的文件 +with open("去重.txt", "w", encoding="utf-8") as output: + output.write('\n'.join(file_contents)) + +############################################################################################################################################################################################################################### +##############################################################对生成的文件进行网址及文本去重复，避免同一个频道出现在不同的类中 + +def remove_duplicates(input_file, output_file): + # 用于存储已经遇到的URL和包含genre的行 + seen_urls = set() + seen_lines_with_genre = set() + # 用于存储最终输出的行 + output_lines = [] + # 打开输入文件并读取所有行 + with open(input_file, 'r', encoding='utf-8') as f: + lines = f.readlines() + print("去重前的行数：", len(lines)) + # 遍历每一行 + for line in lines: + # 使用正则表达式查找URL和包含genre的行,默认最后一行 + urls = re.findall(r'[https]?[http]?[P2p]?[mitv]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\(\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', line) + genre_line = re.search(r'\bgenre\b', line, re.IGNORECASE) is not None + # 如果找到URL并且该URL尚未被记录 + if urls and urls[0] not in seen_urls: + seen_urls.add(urls[0]) + output_lines.append(line) + # 如果找到包含genre的行，无论是否已被记录，都写入新文件 + if genre_line: + output_lines.append(line) + # 将结果写入输出文件 + with open(output_file, 'w', encoding='utf-8') as f: + f.writelines(output_lines) + print("去重后的行数：", len(output_lines)) + +# 使用方法 +remove_duplicates('去重.txt', '分类.txt') + +# 打开文档并读取所有行 +with open('分类.txt', 'r', encoding="utf-8") as file: + lines = file.readlines() + +# 使用列表来存储唯一的行的顺序 + unique_lines = [] + seen_lines = set() + +# 遍历每一行，如果是新的就加入unique_lines +for line in lines: + if line not in seen_lines: + unique_lines.append(line) + seen_lines.add(line) + +# 将唯一的行写入新的文档 +with open('分类.txt', 'w', encoding="utf-8") as file: + file.writelines(unique_lines) + + + + + +################################################################################################任务结束，删除不必要的过程文件 +files_to_remove = ['去重.txt', "2.txt", "4.txt", "playlist/3.txt", "a0.txt", "a.txt", "a1.txt", "b0.txt", "b.txt", "c.txt", "c1.txt", "c2.txt", "d.txt", "e.txt", "f0.txt", "f.txt", "f1.txt", "g0.txt", "g.txt", "g1.txt", "h0.txt", "h.txt", "h1.txt", "i.txt", \ + "i1.txt", "j.txt", "j1.txt", "k.txt", "l0.txt", "l.txt", "l1.txt", "m.txt", "m1.txt", \ + "n0.txt","n.txt","n1.txt", "o1.txt", "o.txt", "p.txt"] + +for file in files_to_remove: + if os.path.exists(file): + os.remove(file) + else: # 如果文件不存在，则提示异常并打印提示信息 + print(f"文件 {file} 不存在，跳过删除。") + +print("任务运行完毕，分类频道列表可查看文件夹内综合源.txt文件！") + + + +