__author__ = 'CQC'
# -*- 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(qǐng)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()