懒人的漫画下载工具[基本能用版]

从http://mh.jumpcn.com/上下载漫画。
这个网站的防盗链不够强大，添加一个伪造的http referer header就可以了。
但是图片的URL不是特别规范（有好多种），为了省事就采用顺藤摸瓜的办法了——先访问目录页得到章节URL，然后再依次访问各图片页面（本来只需要访问第一张图片页就可以推出后面页码的，但是我发现图片URL命名风格很多种，可能是手动添加的原因吧）。
基本上都用的是标准模块，win xp sp2，py 2.5通过（家里的电脑只有windows……）
使用方法：
python source comicurl comicname
（保存路径为固定的D:\comic，因为我自己写的config和log都在寝室电脑，现在也不想去重复劳动)

贴代码：

#!/usr/bin/env python
#coding=cp936
import urllib,httplib,os,re,sys
from sgmllib import SGMLParser
from urlparse import urlparse
'''
    chuan's comic robot
    '''
comicpath = 'D:\\comic'

'''class SaveLog(object):
    "SaveLog for 'The break point continues the biography ' "
    def __init__(self,path):
        self.f = open(os.path.join(path,'save.log'),'r')'''

class IndexLister(SGMLParser):
    "parser comic chapters"
    def reset(self):                              
        SGMLParser.reset(self)
        self.cpturl = []

    def start_a(self, attrs):
        item = []
        if len(attrs) > 2 and attrs[2][0] == 'title' and attrs[0][1].find('/1.html') > 0:
            item = [attrs[0][1],attrs[2][1]]
        if item:
            self.cpturl.append(item)

class ChapterLister(SGMLParser):
    "parser chapter infomation"
    def reset(self):                              
        SGMLParser.reset(self)
        self.pagenum = 0
    
    def start_option(self, attrs):
        # get page num
        if attrs[0][0] == 'value' and attrs[0][1].isdigit() and int(attrs[0][1]) > self.pagenum:
            self.pagenum = int(attrs[0][1])

class PicParser(object):
    "get picture location"
    def __init__(self):
        self.re = re.compile("<td><a href=\"(.+)\"><img src=\"(.+)\" alt=\"(.+)\" border=\"0\" /></a></td>")
    
    def parser(self, attrs):
        self.result = self.re.findall(attrs)
        if self.result:
            return self.result[0][1]
        else:
            return None

class Comic(object):
    "Comic object"
    def __init__(self,url,name='未命名'):
        self.url = url
        self.chaptercnt = 0
        self.idxLister = IndexLister()
        self.chapters = []
        self.currentchapter = None
        self.path = os.path.join(comicpath,name)
        self.makedir()
        
    def save(self,path):
        pass
    def getchapter(self):
        self.idxLister.feed(urllib.urlopen(self.url).read())
        for item in self.idxLister.cpturl:
            self.chapters.append(Chapter(item[0],self.path,item[1]))
    def go(self):
        pass
        #for item in self.chapters:
        #    item.savepic()
    def makedir(self):
        try:
            if not os.path.isdir(self.path):
                os.makedirs(self.path)
        except  Exception, e:
            pass

class Chapter(object):
    "parser,get,save picture sort by chapter"
    def __init__(self,url = '',path = '',name='未知章节'):
        self.url = url
        self.cptLister = ChapterLister()
        self.pic = PicParser()
        self.name = name
        self.pagenum = 0
        self.content = None
        self.picurllist = []
        self.chapterurllist = []
        self.path = os.path.join(path,name)
        
        self.makedir()
        self.getchapternum()
        self.initchapterurl()
        self.getpicurl()
        self.savepic()
        
    def makedir(self):
        try:
            if not os.path.isdir(self.path):
                os.makedirs(self.path)
        except  Exception, e:
            pass
        
    def initchapterurl(self):
        if self.pagenum:
            self.chapterurllist.append(self.url)
            urlhead = self.url[0:-6]
            urltail = self.url[-5:]
            for i in range(2,self.pagenum):
                self.chapterurllist.append(urlhead+str(i)+urltail)
    
    def getpicurl(self):
        if self.pagenum:
            for item in self.chapterurllist:
                self.picurllist.append(self.pic.parser(urllib.urlopen(item).read()))
            
    def savepic(self):
        for i in self.picurllist:
            if os.path.isfile(os.path.join(self.path,i[i.rfind('/')+1:])):
                print i,'exist abort.'
                continue
            url = urlparse(i)
            con = httplib.HTTPConnection(url.hostname)
            con.putrequest('GET',url.path)
            con.putheader('Referer',i)
            con.endheaders()
            r = con.getresponse()
            f = open(os.path.join(self.path,i[i.rfind('/')+1:]),'wb')
            content = r.read()
            f.write(content)
            f.close()
            print 'save',i,'done.'

    def getchapternum(self):
        self.content = urllib.urlopen(self.url).read()
        if self.content:
            self.cptLister.feed(self.content)
            self.pagenum = self.cptLister.pagenum
            # print debug info
            print self.cptLister.pagenum,'页',self.name
        else:
            print 'get %s pageinfo fail.' % self.name
    def picparser(self,picurl):
        pass

if __name__ == '__main__':
    if len(sys.argv) != 3:
        print 'usage: [python] [this] [url] [name]'
    else:
        try:
            #mycomic = Comic("http://mh.jumpcn.com/comic-book/708/","史上最强弟子兼一")
            mycomic = Comic(sys.argv[1],sys.argv[2])
            mycomic.getchapter()
            mycomic.go()
        except  Exception, e:
            print e

下载（有严重错误，停止下载）
ccr.py

2008年2月1日更新：发现一个重大BUG，111行应为
for i in range(2,self.pagenum+1):
否则每一章会少一页。
2008年2月6日更新：另一个BUG，最后一页的正则抓取与前面页数不一样，修改见第二版。