CSiCoAlm
bb896dc149
Commit al passaggio al nuovo PC HP ZBook Fury G7 prima di ricompilare con visual studio 2022
8.8 KiB
Web Scraper per A69
- [2022-06-30 Thu] passaggio al nuovo PC e quindi a visual studio 2022
- Inserire nello stato i conteggio dei link
- Inserire il conto dei link anche sul nome del file o fare report
- Verificare il formato di salvataggio, perchè le accentuate e alcuni segni vengono male.
- Fare parser di un file di link che inserisce quelli nuovi sul toDownload o li inserisce sul DB con lo stato ToDownload.
- BUG:
- Vrs 0.2.0.0
- Vrs 0.1.7.0
- Vrs 0.1.6.0
- Vrs 0.1.5.4
- Vrs 0.1.5.3
- Vrs 0.1.5.2
- Vrs 0.1.5.1
- Vrs 0.1.5.0
- Test funzionamento in consol:
- Vrs 0.1.0.0
[2022-06-30 Thu] passaggio al nuovo PC e quindi a visual studio 2022
DONE Inserire nello stato i conteggio dei link
TODO Inserire il conto dei link anche sul nome del file o fare report
Inserire sul nome dei file, oltre alla data anche il numero di link che contengono, oppure fare un report che riassuma quanto fatto e che torna utile per confrontare due download diversi ecc…
DONE Verificare il formato di salvataggio, perchè le accentuate e alcuni segni vengono male.
DONE Fare parser di un file di link che inserisce quelli nuovi sul toDownload o li inserisce sul DB con lo stato ToDownload.
BUG:
ISSUE 01: [2021-11-03 mer]
Quando riprendo uno scarico, riscarico anche quelli già scaricati. Tutte le volte che riprendo un download, riscarico anche quelli già downloadati, e quindi devo verificare che salvo tutti quelli già downloadati (lista all da verificare sia all'inizio che alla fine).
TODO Vrs 0.2.0.0 WORKING
Applicazione che salva tutto su SQLite, inoltre è del tutto automatizzata e quindi basta avviarla e quando ha finito si spegne, altrimenti è sempre possibile fermarla a comando, senza perdere traccia di quanto fatto.
Per serializzare i dati utilizzo SQLlite con la tabella che mi permetta di risalire velocemente ai link fatti, e a quelli da fare
| URL | Tipo | Stato | Update |
- URL
- indica l'url a cui vi è la pagina da downloadare (sia indice che racconto)
- Tipo
- indica la tipologia della pagina, cioè Idx per le pagine che sono indici/elenchi di racconti
- Stato
-
Indica lo stato associato al link che sarà definito in basee alla seguente enumerazione LinkStatusEnum:
- ToDownload
- Downloading
- Downloaded
e quindi all'avvio, mi basta caricare l'elenco dei link che hanno stato diverso da Downloaded e riprendere il download
- Update
- indica la data in cui eseguo l'ultimo update al record
TODO Vrs 0.1.7.0 WORKING
- Definire un'icona in modo da migliorare estetica
- Gestire il ridursi ad icona sulla tray in modo da poterlo nascondere
- Inserire l'estrazione dei racconti
Estrazione dei racconti
I file di racconto hanno una struttura del tipo:
...
<DIV class=targhetta_racconti style="BACKGROUND-COLOR: #8dbebc">Lui & Lei</DIV>
...
<H1 class=titolone_nero>01 - Marco e Daniela - Voglia di nuove esperienze estreme</H1>
...
<SPAN class=text_grigio style="FONT-SIZE: 16px; COLOR: #999999; LINE-HEIGHT: 1.6em"><A href="/user/ombraerotica"><IMG class=img_border style="VERTICAL-ALIGN: middle; border-radius: 50%" border=0 src="https://img.annunci69.it/annunci/83/2808083/ombraerotica/icone/2808083.jpg?vers=1586358574" width=65 height=65></A> <STRONG>di <A href="/user/ombraerotica">ombraerotica</A></STRONG></SPAN>
...
<SPAN class=text_grigio style="FONT-SIZE: 13px; COLOR: #9999cc; LINE-HEIGHT: 1.6em">07.04.2020 | <I class="fa fa-eye"></I>8.850 | <I class="fa fa-comment"></I>6 <SPAN style="DISPLAY: none">9.2</SPAN> </SPAN>
...
<DIV class=testoracc>
<DIV class=citaz><EM>{Citazione}</EM></DIV>
{Trama}
<DIV style="FONT-SIZE: 11px; BORDER-TOP: #cccccc 1px solid; COLOR: #c8c2c2; PADDING-BOTTOM: 8px; PADDING-TOP: 8px; PADDING-LEFT: 8px; MARGIN-TOP: 20px; LINE-HEIGHT: normal; PADDING-RIGHT: 8px"><STRONG>Disclaimer</STRONG>! Tutti i diritti riservati all'autore del racconto - Fatti e persone sono<STRONG> puramente frutto della fantasia dell'autore</STRONG>. Annunci69.it non è responsabile dei contenuti in esso scritti ed è <STRONG>contro ogni tipo di violenza</STRONG>! <BR>Vi invitiamo comunque a <A href="/scrivici.php">segnalarci i racconti</A> che pensate non debbano essere pubblicati, sarà nostra premura riesaminare questo racconto.</DIV>
</DIV>
...
<DIV style="FLOAT: left"><STRONG>Votazione dei Lettori:</STRONG> 9.2</DIV>
...che mi permette di ricavare tutte le informazioi utili.
Come note, oltre alla classica SrcFile, voglio inserire anche la SrcVot (votazione sul sito) per poter fare un filtro o un ordinamento in base alla votazione del sito anche per i racconti che non ho ancora letto.
Ogni racconto avrà quindi la struttura:
- ID Rac: ... - Title: ... - SubTit: ... - Autors: ... -|- ... - Voto: Non Letto - Tags: ... -|- ... - Notes: SrcFile -|- ... - Notes: SrcVot -|- ... - Creato: YYYY/MM/DD - Update: YYY/MM/DD - Origin: ... -|- ... - Trama: ...
In cui vi sono le relazioni:
- 1–>Molti Racconto–>Autori
- 1–>Molti Racconto–>Tags
- 1–>Molti Racconto–>Origine
- 1–>Molti Racconto–>Note
- 1–>1 Racconto–>Trama
- 1–>1 Racconto–>Voto
La nota SrcVoto mi permette di navigare evidenziando i racconti per votazione:
--
-- Vista dei racconti con la relativa votazione:
--
SELECT * FROM Notes,Racconti,Links_Rac_Not
WHERE NKey='SrcVoto' AND Notes.IDnot=Links_Rac_Not.IDnot AND Links_Rac_Not.IDrac=Racconti.IDrac
ORDER BY NVal;
--
-- Conteggio dei racconti in base alla votazione:
--
SELECT Notes.NKey, Notes.NVal, Count(NVal) as Num
FROM Notes, Racconti, Links_Rac_Not
WHERE NKey='SrcVoto' AND Notes.IDnot=Links_Rac_Not.IDnot AND Links_Rac_Not.IDrac=Racconti.IDrac
GROUP BY Notes.NVal
ORDER BY Num ;DONE Vrs 0.1.6.0 DONE
Compilata da CSiCoAlm il 2021/11/07
- Corretto bug rilevato (ISSUE 01)
- Inserita solita icona per i tools.
- Sistemato la classe cTools inserendo tutti i tools trovati finora
DONE Vrs 0.1.5.4 DONE
Compilata da CSiCoAlm il 2021/10/29
- Modificato path di salvataggio dei file per farlo analogo a ATWD.
DONE Vrs 0.1.5.3 DONE
Compilata da CSiCoAlm il 2021/10/29
- Corretto salvataggio dei file di racconti, per evitare l'errore del formato (lettere accentate e caratteri particolari).
- Fatto anche dei test di salvataggio dei testi per trovare il corretto formato dell'encode.
DONE Vrs 0.1.5.2 DONE
Modifica per:
- Inserire l'importazione di link (solo Idx o Rac di A69) da file di testo
- Correggere l'importazione ed esportazione degli elenchi dal DB
Vrs 0.1.5.1 DONE
Breve modifica per:
- Corretto formato del numero di versione
- Razionalizzato il messaggio di update dell'engine.
- Inserito gli aggiornamenti dell'engine sul log degli eventi
Vrs 0.1.5.0 DONE
Applicazione che serializza i dati su SQLite, ma continua ad usare liste internamente per recuperare il codice già fatto.
Per serializzare i dati utilizzo SQLlite con la tabella che mi permetta di risalire velocemente ai link fatti, e a quelli da fare
| URL | Tipo | Stato | Update |
- URL
- indica l'url a cui vi è la pagina da downloadare (sia indice che racconto)
- Tipo
- indica la tipologia della pagina, cioè Idx per le pagine che sono indici/elenchi di racconti
- Stato
-
Indica lo stato associato al link che sarà definito in basee alla seguente enumerazione LinkStatusEnum:
- ToDownload
- Downloading
- Downloaded
e quindi all'avvio, mi basta caricare l'elenco dei link che hanno stato diverso da Downloaded e riprendere il download
- Update
- indica la data in cui eseguo l'ultimo update al record
All'avvio carico sulle liste interne i vari link con il metodo DBTools.LoadData e al termine salvo lo stato delle liste aggiornando i record sul DB tramite il metodo DBTools.SaveData. In questo modo posso iniziare un download e interrompere la procedura per poi riprenderla in un secondo momento senza problemi.
Test funzionamento in consol: ABORT
verifichiamo se è possibile operare come consol:
PURTROPPO NON FUNZIONA SE MESSO COME CONSOLE APPLICATION
Vrs 0.1.0.0 DONE
- Compilata da CSiCoAlm il 2021/10/26
- Prima versione che permette di scaricare i file da A69 bypassando il controllo del browser.
-
Manca:
- Serializzazione degli archivi per poter riprendere il download parziale dei racconti o la scansione parziale dei link
- Gestione in thread paralleli dei download
- Riduzione ad icona per non visualizzare il tutto (privacy)
- Parametrizzazione del lavoro
- Loggin degli eventi
- Rendere l'applicativo consol, in modo che non vi sia interfaccia utente.