# -*- coding:utf-8 -*-
import urllib
import urllib2
import re
import thread
import time
 
#糗事百科爬蟲類
class QSBK:
 
  #初始化方法，定義一些變量
  def __init__(self):
    self.pageIndex = 1
    self.user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
    #初始化headers
    self.headers = { 'User-Agent' : self.user_agent }
    #存放段子的變量，每一個(gè)元素是每一頁的段子們
    self.stories = []
    #存放程序是否繼續(xù)運(yùn)行的變量
    self.enable = False
  #傳入某一頁的索引獲得頁面代碼
  def getPage(self,pageIndex):
    try:
      url = 'http://www.qiushibaike.com/hot/page/' + str(pageIndex)
      #構(gòu)建請求的request
      request = urllib2.Request(url,headers = self.headers)
      #利用urlopen獲取頁面代碼
      response = urllib2.urlopen(request)
      #將頁面轉(zhuǎn)化為UTF-8編碼
      pageCode = response.read().decode('utf-8')
      return pageCode
 
    except urllib2.URLError, e:
      if hasattr(e,"reason"):
        print u"連接糗事百科失敗,錯(cuò)誤原因",e.reason
        return None
 
 
  #傳入某一頁代碼，返回本頁不帶圖片的段子列表
  def getPageItems(self,pageIndex):
    pageCode = self.getPage(pageIndex)
    if not pageCode:
      print "頁面加載失敗...."
      return None
    pattern = re.compile('<div.*?author">.*?<a.*?<img.*?>(.*?)</a>.*?<div.*?'+
             'content">(.*?)<!--(.*?)-->.*?</div>(.*?)<div class="stats.*?class="number">(.*?)</i>',re.S)
    items = re.findall(pattern,pageCode)
    #用來存儲(chǔ)每頁的段子們
    pageStories = []
    #遍歷正則表達(dá)式匹配的信息
    for item in items:
      #是否含有圖片
      haveImg = re.search("img",item[3])
      #如果不含有圖片，把它加入list中
      if not haveImg:
        replaceBR = re.compile('<br/>')
        text = re.sub(replaceBR,"\n",item[1])
        #item[0]是一個(gè)段子的發(fā)布者，item[1]是內(nèi)容，item[2]是發(fā)布時(shí)間,item[4]是點(diǎn)贊數(shù)
        pageStories.append([item[0].strip(),text.strip(),item[2].strip(),item[4].strip()])
    return pageStories
 
  #加載并提取頁面的內(nèi)容，加入到列表中
  def loadPage(self):
    #如果當(dāng)前未看的頁數(shù)少于2頁，則加載新一頁
    if self.enable == True:
      if len(self.stories) < 2:
        #獲取新一頁
        pageStories = self.getPageItems(self.pageIndex)
        #將該頁的段子存放到全局list中
        if pageStories:
          self.stories.append(pageStories)
          #獲取完之后頁碼索引加一，表示下次讀取下一頁
          self.pageIndex += 1
  
  #調(diào)用該方法，每次敲回車打印輸出一個(gè)段子
  def getOneStory(self,pageStories,page):
    #遍歷一頁的段子
    for story in pageStories:
      #等待用戶輸入
      input = raw_input()
      #每當(dāng)輸入回車一次，判斷一下是否要加載新頁面
      self.loadPage()
      #如果輸入Q則程序結(jié)束
      if input == "Q":
        self.enable = False
        return
      print u"第%d頁\t發(fā)布人:%s\t發(fā)布時(shí)間:%s\t贊:%s\n%s" %(page,story[0],story[2],story[3],story[1])
  
  #開始方法
  def start(self):
    print u"正在讀取糗事百科,按回車查看新段子，Q退出"
    #使變量為True，程序可以正常運(yùn)行
    self.enable = True
    #先加載一頁內(nèi)容
    self.loadPage()
    #局部變量，控制當(dāng)前讀到了第幾頁
    nowPage = 0
    while self.enable:
      if len(self.stories)>0:
        #從全局list中獲取一頁的段子
        pageStories = self.stories[0]
        #當(dāng)前讀到的頁數(shù)加一
        nowPage += 1
        #將全局list中第一個(gè)元素刪除，因?yàn)橐呀?jīng)取出
        del self.stories[0]
        #輸出該頁的段子
        self.getOneStory(pageStories,nowPage)
 
 
spider = QSBK()
spider.start()