（点击上方公众号，可快速关注）
编译： Python开发者 - Jake_on 英文：Quora
http://python.jobbole.com/85986/
【伯乐在线导读】：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：https://youtu.be/Q5YWEqgw9X8
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 http://imdb.com，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：https://youtu.be/JANNcimQGyk
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.com 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 (http://www.crummy.com/software/B… ) 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.com-downloader 。（漫画）下载完后的文件夹是这样的 :D
4. someecards.com 下载器
成功地从http://www.theoatmeal.com 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http://www.someecards.com . 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.com-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.com 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. # Thanking everyone who wished me on my birthday
2. import requests
3. import json
4.
5.
# Aman's post time
6. AFTER = 1353233754
7. TOKEN = ' '
8.
9. def get_posts():
10. """Returns dictionary of id, first names of people who posted on my wall
11. between start and end time"""
12. query = ("SELECT post_id, actor_id, message FROM stream WHERE "
13. "filter_key = 'others' AND source_id = me() AND "
14. "created_time > 1353233754 LIMIT 200")
15.
16. payload = {'q': query, 'access_token': TOKEN}
17. r = requests.get('https://graph.facebook.com/fql', params=payload)
18. result = json.loads
(r.text)
19. return result['data']
20.
21. def commentall(wallposts):
22. """Comments thank you on all posts"""
23. #TODO convert to batch request later
24. for wallpost in wallposts
:
25.
26. r = requests.get('https://graph.facebook.com/%s' %
27. wallpost['actor_id'])
28. url = 'https://graph.facebook.com/%s/comments' % wallpost['post_id']
29. user = json.loads(r
.text)
30. message = 'Thanks %s :)' % user['first_name']
31. payload = {'access_token': TOKEN, 'message': message}
32. s = requests.post(url, data
=payload)
33.
34. print "Wall post %s done" % wallpost['post_id']
35.
36. if __name__ == '__main__':
37. commentall(get_posts())
…
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。
…
import cv2
import sys
import os,random,string
#choices=['Add a name']
import os
current_directory=os.path.dirname(os.path.abspath(__file__))
from Tkinter import Tk
from easygui import *
import numpy as np
x= os.listdir
(current_directory)
new_x=[]
testing=[]
for i in x:
if i.find('.')==-1:
new_x+=[i]
else:
testing+=[i
]
x=new_x
g=x
choices=['Add a name']+x
y= range(1,len(x)+1)
def get_images_and_labels():
global current_directory,x
,y,g
if x==[]:
return (False,False)
image_paths=[]
for i in g:
path=current_directory+''+i
for filename in
os.listdir(path):
final_path=path+''+filename
image_paths+=[final_path]
# images will contains face images
images = []
# labels will contains the label that is assigned to the image
labels = []
for image_path in image_paths:
# Read the image and convert to grayscale
img =
cv2.imread(image_path,0)
# Convert the image format into numpy array
image = np.array(img, 'uint8')
# Get the label of the image
backslash=image_path.rindex('')
underscore=image_path.index('_',backslash)
nbr = image_path[backslash+1:underscore]
t=g.index(nbr)
nbr=y[t]
# If face is detected, append the face to images and the label to labels
images.append(image)
labels.append(nbr)
#cv2.imshow("Adding faces to traning set...", image)
#cv2.waitKey(50)
# return the images list and labels list
return images, labels
# Perform the tranining
def train_recognizer():
recognizer = cv2.createLBPHFaceRecognizer()
images, labels = get_images_and_labels()
if images==False:
return False
cv2
.destroyAllWindows()
recognizer.train(images, np.array(labels))
return recognizer
def get_name(image_path,recognizer):
global x,choices
#if recognizer=='':
# recognizer=train_recognizer()
cascadePath = "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
#recognizer=train_recognizer()
x1=testing
global g
print image_path
image = cv2.imread(image_path)
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY
)
predict_image = np.array(img, 'uint8')
faces = faceCascade.detectMultiScale(
img,
scaleFactor=1.3,
minNeighbors=5,
minSize=(30, 30),
flags =
http://cv2.cv.CV_HAAR_SCALE_IMAGE
)
for (x, y, w, h) in faces:
f= image[y:y+w,x:
x+h]
cv2.imwrite('temp.jpg',f)
im='temp.jpg'
nbr_predicted, conf = recognizer.predict(predict_image[y: y + h, x: x + w
])
predicted_name=g[nbr_predicted-1]
print "{} is Correctly Recognized with confidence {}".format(predicted_name, conf)
if conf>=140:
continue
msg='Is this '+predicted_name
reply = buttonbox(
msg, image=im, choices=['Yes','No'])
if reply=='Yes':
reply=predicted_name
directory=current_directory+''+reply
if not os.path.exists(
directory):
os.makedirs(directory)
random_name=''.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
path
=directory+''+random_name+'.jpg'
cv2.imwrite(path,f)
else:
msg = "Who is this?"
reply = buttonbox(msg, image=im, choices=choices)
if
reply == 'Add a name':
name=enterbox(msg='Enter the name', title='Training', strip=True)
print name
choices+=[name]
reply=name
directory=current_directory+''
+reply
if not os.path.exists(directory):
os.makedirs(directory)
random_name=''.join(random.choice(string.ascii_uppercase + string.digits) for
_ in range(7))
path=directory+''+random_name+'.jpg'
print path
cv2.imwrite(path,f)
# calculate window position
root = Tk()
pos = int(root
.winfo_screenwidth() * 0.5), int(root.winfo_screenheight() * 0.2)
root.withdraw()
WindowPosition = "+%d+%d" % pos
# patch rootWindowPosition
rootWindowPosition = WindowPosition
def detect_faces(img):
global
choices,current_directory
imagePath = img
faceCascade = cv2.CascadeClassifier(cascPath)
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = faceCascade
.detectMultiScale(
gray,
scaleFactor=1.3,
minNeighbors=5,
minSize=(30, 30),
flags = http://cv2.cv.CV_HAAR_SCALE_IMAGE
)
print "Found {0} faces!".format(
len(faces))
m=0
for (x, y, w, h) in faces:
m+=1
padding=0
f= image[y-padding
:y+w+padding,x-padding:x+h+padding]
cv2.imwrite('temp.jpg',f)
im='temp.jpg'
msg = "Who is this?"
reply = buttonbox(msg,
image=im, choices=choices)
if reply == 'Add a name':
name=enterbox(msg='Enter the name', title='Training', strip=True)
print name
choices+=[
name]
reply=name
directory=current_directory+''+reply
if not os.path.exists(directory):
os.makedirs(directory)
random_name=''.join(random.choice(
string.ascii_uppercase + string.digits) for _ in range(7))
path=directory+''+random_name+'.jpg'
print path
cv2.imwrite(path,f)
def new(img,recognizer):
imagePath = current_directory+''+img
print imagePath
get_name(imagePath,recognizer)
cascPath = 'haarcascade_frontalface_default.xml'
b=0
os.system("change_name.py")
for
filename in os.listdir("."):
b+=1
if b%10==0 or b==1:
os.system("change_name.py")
recognizer=train_recognizer()
if
filename.endswith('.jpg') or filename.endswith('.png'):
print filename
imagePath=filename
#detect_faces(imagePath)
new(imagePath,recognizer)
os.remove(filename)
raw_input(
'Done with this photograph')
…
我想进一步修改它的搜索功能，其中会包含更多的搜索类型，比如基于地理位置，微笑的脸，伤心的脸等等。（这样我就可以在 Skylawns 上 搜索快乐的 Tanmay & 沮丧的 Akshay & 快乐的…）
我还写了很多脚本，但那都是很久之前的事情了，我也懒得再去检查这些代码了，我会列出部分代码。
GitHub 链接：tanmay2893/Image-Sorting
Gmail 邮件通知
在那段时间，我没有智能手机。 导致我常常错过来自于我所在的研究所的邮件（在我的研究所的邮件 ID），我写了一个脚本，可以在我的笔记本上运行，而且能给我的手机发信息。我使用 python 的 IMAP 库来获取邮件。我可以输入一些重要的人的名字，这样一来，当这些人给我发了邮件后，我可以收到短信通知。对于短信， 我使用了 way2sms.com（写了一个 python 脚本，自动登陆我的账户，然后发送 短信）。
PNR（Passenger Name Record旅客订座记录，下同） 状态短讯
铁路方面不经常发送 PNR 状态消息。因此，我写了一个脚本，可以从印度铁路网站获取 PNR 状态。这是非常容易的，因为那个网站没有验证码，即使有，也只是形同虚设的验证码（在过去，一些字母会被写在看起来像图片一样的东西上面，因为他们为这些字母使用了一个 “check” 的背景图）。 我们可以轻松地从 HTML 网页得到这些字母。我不明白他们这样做的目的是什么，难道仅仅是为了愚弄他们自己吗？ 不管怎么样，我使用短信息脚本来处理它，经过一段时间间隔，它会在我的笔记本上运行一次，就像是一个定时任务，只要 PNR 状态有更新，它就会把更新信息发送给我。
YouTube 视频下载器
这个脚本会从 Youtube 页面下载所有的 Youtube 视频 以及他们所有的字幕文件（从Download and save subtitles 下载）。为了使下载速度更快一点，我使用了多线程。还有一个功能是，即使你的电脑重启了，仍然可以暂停和恢复播放下载的（视频）。我原本想做一个UI的，但是我太懒了… 一旦我的下载任务完成，我就不去关心 UI 的事情了。
板球比分通知器
我猜想这个功能已经在别的地方提到过了。一个窗口通知器。（在右下角的通知区域，它会告诉你实时比分以及评论信息）。如果你愿意的化，在某些时间段，你也可以关掉它。
WhatsApp 消息
这个并不太实用，我只是写着玩玩。因为 Whatsapp 有网页版，我使用 selenium 和 Python 下载我的所有联系人的显示图片，并且，一旦有人更新了他们的显示图片，我将会知道。（如何做到的？非常简单，在设定好时间间隔后，我会一遍又一遍的不停下载所有的头像信息，一旦照片的尺寸发生变化，我将会知道他/她更新了显示图片）。然后我会给他/她发一个信息，不错的头像。我仅仅使用了一次来测试它的可用性。
Nalanda 下载器
我们一般在这个叫 ‘Nalanda’ 的网站上下载一些教学课件以及其他的课程资料， ‘Nalanda’ 在 BITS Pilani (Nalanda). 我自己懒得在考试前一天下载所有的课件，所以，我写了这个这个下载器，它可以把每一门科的课件下载到相应的文件夹。
代码：
…
import mechanize,os,urllib2,
urllib,requests,getpass,time
start_time = time.time()
from bs4 import BeautifulSoup
br=mechanize.Browser()
br.open('https://nalanda.bits-pilani.ac.in/login/index.php')
br.select_form(nr=0)
name=''
while name=='':
try:
print '*******'
username=raw_input('Enter Your Nalanda Username: ')
password=getpass.getpass('Password: ')
br.form[
'username']=username
br.form['password']=password
res=br.submit()
response=res.read()
soup=BeautifulSoup(response)
name=str
(soup.find('div',attrs={'class':'logininfo'}).a.string)[:-2]
except:
print 'Wrong Password'
f=open('details.txt','w')
f.write
(username+'n'+password)
f.close()
print 'Welcome, '+name
print 'All the files will be downloaded in your Drive C in a folder named "nalanda"'
#print soup.prettify()
div=soup.find_all('div',attrs={'class':'box coursebox'})
l=
len(div)
a=[]
for i in range(l):
d=div[i]
s=str(d.div.h2.a.string
)
s=s[:s.find('(')]
c=(s,str(d.div.h2.a['href']))
path='c:nalanda'+c[0
]
if not os.path.exists(path):
os.makedirs(path)
a+=[c]
#print a
overall=[]
for i in range(l
):
response=br.open(a[i][1])
page=response.read()
soup=BeautifulSoup(page)
li=soup.find_all('li',
attrs={'class':'section main clearfix'})
x=len(li)
t=[]
folder=a[i][0]
print 'Downloading '+folder+' files...'
o=[]
for j in range(x):
g=li[j].ul
#print g
#raw_input('')
if g!=None:
temp=http://g.
li['class'].split(' ')
#raw_input('')
if temp[1]=='resource':
#print 'yes'
#print '********************'
o+=[j]
h=li[j].find
('div',attrs={'class':'content'})
s=str(h.h3.string)
path='c:nalanda'+folder
if path[-1]==' ':
path=path[:-1]
path+=''+s
if not os.path.exists(path):
os.makedirs(path)
f=g.find_all
('li')
r=len(f)
z=[]
for e in range(r):
p=f[e].div.div.a
q=f[e].find('span',attrs={'class':'resourcelinkdetails'}).contents
link=str(p['href'])
text=str(p.find('span').contents
[0])
typ=''
if str(q[0]).find('word')!=-1:
typ='.docx'
elif str(q[0]).find(
'JPEG')!=-1:
typ='.jpg'
else:
typ='.pdf'
if typ!='.docx':
res=br.open(link)
soup=BeautifulSoup(res
.read())
if typ=='.jpg':
di=soup.find('div',attrs={'class':'resourcecontent resourceimg'})
link=di.img['src']
else:
di=soup.find('div',attrs={'class':'resourcecontent resourcepdf'})
link=di.object['data']
try:
if not os.path.exists(path+
''+text+typ):
br.retrieve(link,path+''+text+typ)[0]
except:
print 'Connectivity Issues'
z+=[(link,text,
typ)]
t+=[(s,z)]
if t==[]:
print 'No Documents in this subject'
overall+=[o]
#raw_input('Press any button to resume')
#print overall
print 'Time Taken to Download: '+str(time
.time()-start_time)+ ' seconds'
print 'Do you think you can download all files faster than this :P'
print 'Closing in 10 seconds'
time.sleep(10)
…
我自己的 DC++
这个脚本并不是很有用，目前只有一些学生在用它， 况且，DC ++ 已经提供了一些很酷的功能。我原本可以优化我自己的版本，但是，由于我们已经有了DC ++，我并没有这么做，尽管我已经使用 nodeJS 和 python 写了一个基础版本。
工作原理：
打开 DC++ ， 进入一个中心站点，然后连接，我写了一个 python 脚本来做这件事。 脚本会在 PC上创建一个服务器（可以通过修改 SimpleHTTPRequestHandler 来完成）。
在服务器端（使用了NodeJS），它会拿到 PC 的连接，共享给其他的用户。
这个是主页面:
这个页面显示了所有的用户和他们的链接。因为我给 Nick 加了一个超链接，所以在链接这一拦是空的。
所以，当用户数量增加以后，这个页面会列出所有的用户列表。基本上，这个页面充当了一个你和另外一个人联系的中间人角色。 我还做了一个在所有用户中搜索特定文件的功能。
这里是客户端的 python 文件（这是一段很长的代码，我上传到了 Ideone）
所有这些代码仅仅用于教育目的。
看完本文有收获？请转发分享给更多人
关注「Python开发者」，提升Python技能
