diff --git a/py/网络收集.py b/py/网络收集.py index 286d46d..aefd72f 100644 --- a/py/网络收集.py +++ b/py/网络收集.py @@ -52,7 +52,7 @@ urls = [ 'https://raw.githubusercontent.com/junge3333/juds6/main/yszb1.txt', 'https://raw.githubusercontent.com/zzmaze/iptv/main/iptv.txt', 'https://raw.githubusercontent.com/xxoo-qx/IPTV/main/LIVE.txt', - 'https://raw.githubusercontent.com/frxz751113/AAAAA/main/IPTV/TW.txt', + '', '', '', '', @@ -84,7 +84,7 @@ def merge_txt_files(urls, output_filename='汇总.txt'): try: response = requests.get(url) response.raise_for_status() # 确保请求成功 - # 尝试将响应内容解码为UTF-8,如果失败则尝试其他编码 + # 尝试将响应内容解码为UTF-8，如果失败则尝试其他编码 try: content = response.content.decode('utf-8') except UnicodeDecodeError: @@ -267,14 +267,14 @@ with open('汇总.txt', 'w', encoding='utf-8') as new_file: for line in lines: # 去除行尾的换行符 line = line.rstrip('\n') - # 分割行,获取逗号前的字符串 + # 分割行，获取逗号前的字符串 parts = line.split(',', 1) if len(parts) > 0: # 替换逗号前的字符串 before_comma = parts[0] for old, new in replacements.items(): before_comma = before_comma.replace(old, new) - # 将替换后的逗号前部分和逗号后部分重新组合成一行,并写入新文件 + # 将替换后的逗号前部分和逗号后部分重新组合成一行，并写入新文件 new_line = f'{before_comma},{parts[1]}\n' if len(parts) > 1 else f'{before_comma}\n' new_file.write(new_line) @@ -326,7 +326,7 @@ def remove_duplicates(input_file, output_file): 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 + # 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 @@ -345,88 +345,77 @@ remove_duplicates('汇总.txt', '2.txt') import re import os # 定义一个包含所有要排除的关键词的列表 -excluded_keywords = ['epg', 'mitv', 'udp', 'rtp', 'P2p', 'p2p', 'p3p', 'P2P', '新闻综合', 'P3p', 'jdshipin', '9930/qilu', 'gitcode.net', '151:99', '21dtv', '8.137', 'txmov2', \ - 'gcw.bdcdn', 'metshop', 'shandong', 'goodiptv', '购物', '[', 'P3P', '腔', '曲', '//1', '/hls/', '春节', 'free', 'ts138', 'hlspull', '95.179', 'gat', 'ali' +excluded_keywords = [ + 'epg', 'mitv', 'udp', 'rtp', 'P2p', 'p2p', 'p3p', 'P2P', '新闻综合', 'P3p', 'jdshipin', '9930/qilu', 'gitcode.net', '151:99', '21dtv', 'txmov2', 'gcw.bdcdn', 'metshop', 'shandong', 'goodiptv', '购物', '[', 'P3P', '腔', '曲', '//1', '/hls/', '春节' # 在这里添加需要排除的关键词 ] # 定义一个包含所有要提取的关键词的列表 -keywords = ['1905', '凤凰卫视', '人间卫视', '亚洲卫视', '香港卫视', '神乐', '翡翠台', '凤凰香港', '凤凰中文', '凤凰资讯', 'AXN', 'AMC', '香蕉', '电影台', '大爱', '东森', 'MTV', +extract_keywords = ['1905', '凤凰卫视', '人间卫视', '亚洲卫视', '香港卫视', '神乐', '翡翠台', '凤凰香港', '凤凰中文', '凤凰资讯', 'AXN', 'AMC', '香蕉', '电影台', '大爱', '东森', 'MTV', '华视', '中天', '天良', '翡翠台', '美亚', '星影', '纬来', '天映', '无线', '华剧台', '华丽台', '剧台', 'Movie', '八大', '采昌', '靖天', '美亚', '民視', '探索', '旅游', '影视2', - '影视3', '中视', '豬哥亮', 'TVB', '东森', '公视', '华视', '寰宇', '戏剧', '靖', '龙华', '龙祥', '民视', '三立', '中视', '猪哥亮', '综艺', '新闻', '影迷', '影剧', '电视剧', '49号', - 'AMC电影台', 'BLOOM', 'CINEM', 'CMUSIC音乐台', 'CNBC', 'DWNEWS', 'Dbox', 'ELTV', 'FEST', 'GOOD2', 'HISTORY', 'HITS', 'HakkaTV', 'KOREA', 'LIFETIME', 'LISTENONSPOTIFY', 'LOVENATURE', - 'LUXE', 'MCE', 'MTV', 'Nickelodeon', 'PETCLUB', 'ROCK', 'ROCKACTION', 'TECHSTORM', 'TV5MONDE', 'TVBS', 'TiTV', 'VOA', 'elta', 'hokkotv', 'momo', 'nhkworld', 'nickjr', '三立', '东森', - '中华小当家', '中天娱乐', '中视', '互动英语', '亚洲卫视', '亚洲旅游', '人间卫视', '全球财经', '八大', '公视戏剧', '凤凰', '动漫', '动漫', '动漫2', '动漫2', '动物星球', '动画台', '华视', '博斯', - '哆啦A梦', '壹新闻', '大立电视', '天良综合台', '寰宇', '幸福空间', '影剧', '影迷', '影迷', '探案', '探索亚洲', '旅游', '智林体育', '東森新聞', '民视', '猪哥亮', '猪哥亮', '环球电视', - '电视剧', '纬来', '综艺', '美亚C+', '翡翠台', '超人', '镜新闻', '龙华', '番薯' + '影视3', '中视', '豬哥亮', 'TVB', '东森', '公视', '华视', '寰宇', '戏剧', '靖', '龙华', '龙祥', '民视', '三立', '中视', '猪哥亮', '综艺', '新闻', '影迷', '影剧', '电视剧' # 在这里添加需要提取的关键词 ] # 读取文件并处理每一行 -# 将排除关键词列表转换为正则表达式模式 -excluded_pattern = '|'.join(excluded_keywords) -# 将关键词列表转换为正则表达式模式 -pattern = '|'.join(keywords) -with open('2.txt', 'r', encoding='utf-8') as file, open('2.txt', 'w', encoding='utf-8') as a: - #a.write('央视频道,#genre#\n') - for line in file: - if 'genre' not in line: - # 使用正则表达式检查该行是否不包含任何排除关键词 - if not re.search(excluded_pattern, line): - # 如果行中有任意关键字 - if re.search(pattern, line): - a.write(line) +with open('2.txt', 'r', encoding='utf-8') as file: + lines = file.readlines() + + # 创建或打开一个输出文件用于写入处理后的数据 + with open('2.txt', 'w', encoding='utf-8') as outfile: + for line in lines: + # 首先检查行是否包含任何提取关键词 + if any(keyword in line for keyword in extract_keywords): + # 如果包含提取关键词，进一步检查行是否不包含任何排除关键词 + if not any(keyword in line for keyword in excluded_keywords): + outfile.write(line) # 写入符合条件的行到文件 + ############################################################### import re - def parse_file(input_file_path, output_file_name): # 正则表达式匹配从'//'开始到第一个'/'或第一个'::'结束的部分 ip_or_domain_pattern = re.compile(r'//([^/:]*:[^/:]*::[^/:]*|[^/]*)') - # 用于存储每个 IP 或域名及其对应的行列表 + # 用于存储每个IP或域名及其对应的行列表 ip_or_domain_to_lines = {} # 读取原始文件内容 with open(input_file_path, 'r', encoding='utf-8') as file: for line in file: line = line.strip() - # 如果行是分类标签行,则跳过 + # 如果行是分类标签行，则跳过 if ",#genre#" in line: continue - # 检查行是否包含 IP 或域名 + # 检查行是否包含IP或域名 match = ip_or_domain_pattern.search(line) if match: - # 提取匹配到的 IP 或域名 + # 提取匹配到的IP或域名 matched_text = match.group(1) - # 去除 IP 或域名后的剩余部分,只保留匹配到的 IP 或域名 + # 去除IP或域名后的剩余部分，只保留匹配到的IP或域名 ip_or_domain = matched_text.split('://')[-1].split('/')[0].split('::')[0] - # 将行添加到对应的 IP 或域名列表中 + # 将行添加到对应的IP或域名列表中 if ip_or_domain not in ip_or_domain_to_lines: ip_or_domain_to_lines[ip_or_domain] = [] ip_or_domain_to_lines[ip_or_domain].append(line) - ############################################################################### 过滤掉小于 1500 字节的 IP 或域名段 + ############################################################################### 过滤掉小于1500字节的IP或域名段 filtered_ip_or_domain_to_lines = {ip_or_domain: lines for ip_or_domain, lines in ip_or_domain_to_lines.items() - if sum(len(line) for line in lines) >= 300} - # 如果没有满足条件的 IP 或域名段,则不生成文件 + if sum(len(line) for line in lines) >= 1000} + # 如果没有满足条件的IP或域名段，则不生成文件 if not filtered_ip_or_domain_to_lines: - print("没有满足条件的 IP 或域名段,不生成文件。") + print("没有满足条件的IP或域名段，不生成文件。") return - # 合并所有满足条件的 IP 或域名的行到一个文件 + # 合并所有满足条件的IP或域名的行到一个文件 with open(output_file_name, 'w', encoding='utf-8') as output_file: for ip_or_domain, lines in filtered_ip_or_domain_to_lines.items(): - # 写入 IP 或域名及其对应的行到输出文件 + # 写入IP或域名及其对应的行到输出文件 output_file.write(f"频道,#genre#\n") for line in lines: output_file.write(line + '\n') output_file.write('\n') # 在每个小段后添加一个空行作为分隔 - line_count = sum(len(lines) for lines in filtered_ip_or_domain_to_lines.values()) - print(f"过滤文件完成，一共有 {line_count} 行数据。") - # 调用函数并传入文件路径和输出文件名 parse_file('2.txt', '2.txt') - import cv2 import time from tqdm import tqdm @@ -437,7 +426,7 @@ file_path = "2.txt" output_file_path = "网络收集.txt" def get_ip_key(url): - """从 URL 中提取 IP 地址,并构造一个唯一的键""" + """从 URL 中提取 IP 地址，并构造一个唯一的键""" start = url.find('://') + 3 end = url.find('/', start) return url[start:end] if end!= -1 else None @@ -478,6 +467,7 @@ def merge_and_filter(): output_file.write(line) else: detected_ips[ip_key] = {'status': 'fail'} + # 合并任意字符加上网络收集.txt 的文件 all_files = [f for f in os.listdir(os.getcwd()) if f.endswith('网络收集.txt')] with open(output_file_path, 'a', encoding='utf-8') as main_output: @@ -602,17 +592,20 @@ if __name__ == "__main__": + + + import re from pypinyin import lazy_pinyin # 打开一个utf-8编码的文本文件 with open("网络收集.txt", "r", encoding="utf-8") as file: # 读取所有行并存储到列表中 lines = file.readlines() -# 定义一个函数,用于提取每行的第一个数字 +# 定义一个函数，用于提取每行的第一个数字 def extract_first_number(line): match = re.search(r'\d+', line) return int(match.group()) if match else float('inf') -# 对列表中的行进行排序,按照第一个数字的大小排列,其余行按中文排序 +# 对列表中的行进行排序，按照第一个数字的大小排列，其余行按中文排序 sorted_lines = sorted(lines, key=lambda x: (not 'CCTV' in x, extract_first_number(x) if 'CCTV' in x else lazy_pinyin(x.strip()))) # 将排序后的行写入新的utf-8编码的文本文件 with open("网络收集.txt", "w", encoding="utf-8") as file: @@ -628,13 +621,13 @@ def parse_file(input_file_path, output_file_name): # # 用于存储每个IP或域名及其对应的行列表 ip_or_domain_to_lines = {} # 用于生成分类名的字母和数字计数器 - alphabet_counter = 0 # 字母计数器,从0开始 - number_counter = 1 # 数字计数器,从1开始 + alphabet_counter = 0 # 字母计数器，从0开始 + number_counter = 1 # 数字计数器，从1开始 # 读取原始文件内容 with open(input_file_path, 'r', encoding='utf-8') as file: for line in file: line = line.strip() - # 如果行是分类标签行,则跳过 + # 如果行是分类标签行，则跳过 if ",#genre#" in line: continue # 检查行是否包含IP或域名 @@ -642,7 +635,7 @@ def parse_file(input_file_path, output_file_name): # if match: # 提取匹配到的IP或域名 matched_text = match.group(1) - # 去除IP或域名后的剩余部分,只保留匹配到的IP或域名 + # 去除IP或域名后的剩余部分，只保留匹配到的IP或域名 ip_or_domain = matched_text.split('://')[-1].split('/')[0].split('::')[0] # 将行添加到对应的IP或域名列表中 if ip_or_domain not in ip_or_domain_to_lines: @@ -650,10 +643,10 @@ def parse_file(input_file_path, output_file_name): # ip_or_domain_to_lines[ip_or_domain].append(line) # 过滤掉小于1000字节的IP或域名段 filtered_ip_or_domain_to_lines = {ip_or_domain: lines for ip_or_domain, lines in ip_or_domain_to_lines.items() - if sum(len(line) for line in lines) >= 200} # 过滤掉小于1000字节的IP或域名段 - # 如果没有满足条件的IP或域名段,则不生成文件 + if sum(len(line) for line in lines) >= 800} # 过滤掉小于1000字节的IP或域名段 + # 如果没有满足条件的IP或域名段，则不生成文件 if not filtered_ip_or_domain_to_lines: - print("没有满足条件的IP或域名段,不生成文件。") + print("没有满足条件的IP或域名段，不生成文件。") return # 合并所有满足条件的IP或域名的行到一个文件 with open(output_file_name, 'w', encoding='utf-8') as output_file: #output_ @@ -684,11 +677,11 @@ with open(file_path, 'r+', encoding='utf-8') as f: f.write(f'{current_time}更新,#genre#\n') f.write(f'虚情的爱,https://vd2.bdstatic.com/mda-mi1dd05gmhwejdwn/sc/cae_h264/1630576203346678103/mda-mi1dd05gmhwejdwn.mp4\n{content}') -################################################################################################任务结束,删除不必要的过程文件 +################################################################################################任务结束，删除不必要的过程文件 files_to_remove = ["2.txt", "汇总.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,频道列表可查看文件夹内源.txt文件！") + 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，频道列表可查看文件夹内源.txt文件！")