連番のＨ画像/動画を一気にダウンロードする2

**前スレ1** · 2005/12/26(月) 02:56:22

前スレ5年間のご愛顧ありがとうございました。PGFは無事コンプしましたが、これからも皆様の日々
実践されているノウハウを教えていただきたく再度、スレを立てさせてもらいました。
前スレ連番のH画像を一気にダウンロードする
http://pc8.2ch.net/test/read.cgi/unix/979106537/

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 01:23:55

listファイルから続きをダウンしようとすると
Invalid argument at get.pl line 454
とエラーをはくのですが、対処法はありますか？

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 02:29:44

listファイルの有るデレクトリィで
$ get.pl -l hoge.list

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 21:29:27

>>312
そのように宣言しているつもりなのですがうまくいきません…

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 21:44:03

家では、ちゃんと動いているよ。
OSやperlのバージョンに因るのかな？
MacOS X 10.4.11(PPC) perl, v5.8.6

**308** · 2010/02/26(金) 22:27:47

>>309-310
ありがとうございます
ついさっき気付いたけど、1ページのみのlistファイルを取得することも可能なんですね
数ページだけの画像をDLしたい場合には、無駄なページを取得する手間が省けますね

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 23:18:55

むう…こちらは
XP HomeEdition SP2 perl v5.10.1
で動きません…

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 23:42:34

>>316
>304の最新バージョンで試してみた？
それでダメなら、エラーを起こす行の前に、print で変数の確認やってみて。

**名無しさん＠お腹いっぱい。** · 2010/02/26(金) 23:59:07

listも画像の名前も正しい物が入ってるのは確認できたのですが…
やはり動きません…

**名無しさん＠お腹いっぱい。** · 2010/02/27(土) 00:08:24

ディレクトリのパーミッションかも

**名無しさん＠お腹いっぱい。** · 2010/02/27(土) 00:17:02

こちらではメインの7 64bit サブのxp pro共に快適に動いてます
ところでＥ－ＨＥＮの制限って80ＭＢくらいなんでしょうか
ルータ再起動して使う分には問題ありませんが大体そのあたりでとまります

**名無しさん＠お腹いっぱい。** · 2010/02/27(土) 00:45:36

パーミッションも問題はありませんでした
これ以上はご迷惑なので失礼します…

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 21:16:24

>>304　すげー！！！マジうｐありがとうございます。

ところで、これ管理者権限で実行する必要ないですよね？
管理者権限で実行すると画像の保存先がわからない・・・

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 21:50:54

>>304 のすくりぷと昨日からこんなファイルが落ちてくるようになったんだけど

CRC A621
CRC32 62B3FF7E
MD5 5F92B5C9A6A45640ED45EF63A545BC29
SHA1 E036679C61FEE1689E75BC780FE1F4D644A127DD

同じ症状の人いないかな
昨日までは普通に落ちてきてたんだけど
うちだけ？

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 21:58:17

また変わった。
いつまでもイメージタグの "id=" に頼っていては駄目。
このサイト全般に言えることだが "[0-9a-z]{40}-" の様なハッシュ値状の
モノを持つURLをターゲットにした方がよろしいかと。

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 23:27:01

またかわったのかぁ……
いろいろと対策強化されてるなぁ

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 23:36:07

imgタグ中のwidthとheightを見て一番大きいものを対象にするっていう手もあるかな。

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 23:51:42

自前で作っちまったスクリプト使ってるけど今んとこ
@style != "" and @id
かな

**名無しさん＠お腹いっぱい。** · 2010/03/02(火) 23:53:30

あとbandwidth limitは緩くなってる気がする

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 00:08:26

まぁ中の人も張り切ってると思うがイタチごっこだよな。
スクリプトも気を利かせてたまに広告踏んでやる位の優しさは必要だ。

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 02:17:26

中の人http response codeを画像じゃなくてヘッダで渡してくれ
そしたらきちんと待つから

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 02:44:13

あいや～、スクリプト直そうとテストしてたら、制限くらちゃったよ。
２４分待てとか、表示されるし。
もう寝る。

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 10:57:10

クソ、>>304が使えなくなった

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 12:34:27

>>330
それをするとどういう得が……？

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 15:27:54

irvリストは作れる
画像落とす方がだめだね

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 16:34:53

おまえらのHDDにPython入れる理由をやるよ
>>304のほどフレンドリーじゃないよ
ttp://www1.axfc.net/uploader/Sc/so/88409.zip
>>333 プログラムの見通しが良くなって俺が少しニッコリする

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 22:29:29

>>324
なるほど！
なんとか、出来そうだ。しかし、ファイル名取得が面倒だな。
img id参照して、正規表現にぶっこんでみるか。

**名無しさん＠お腹いっぱい。** · 2010/03/03(水) 23:43:52

>>336
自分はオリジナル(?)のファイル名にこだわる必要は無いと思うのだが。
再度ZIPにしてどこかにアップし直す職人なら別だけどね。
実際1つのギャラリーに同じファイル名のものが有ったりするので
重複時の処理をするよりページ番号の連番で振りなおす方がらくだと思うよ。

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 00:00:18

>>337
それも考えたが、なんか悔しいのでimg id参照して正規表現で、取出した。
もっとも、get.plを少改造して、四桁連番+オリジナルファイル名にしている。(重複防止用に)
今のところ、正常にダウンロード出来ているみたい。

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 00:06:22

その気持ちもわかるし自分もそうしているんだけどね。
でもたまに変な空白が入っていたりするし、万一 alt="/etc/passwd" とか書かれた
場合には備えておきなよ。

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 00:21:39

>>339
>万一 alt="/etc/passwd" とか書かれた
うへぇ、いやすぐる。対策しておこう。ご忠告ありがとう。

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 20:01:02

VBやJavaをちょっぴり出来る人向けに
get.pl修正のヒントを教えてくだしあ
どうか

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 20:08:06

ヒントは>>324

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 21:57:02

書いた者だが申し訳ない、16進表記なので"[0-9a-f]{40}-"だったね。
自分はずっとこれでしのいでいるが、その反面 "509s.gif" 等を美しく検出できずに
悩ましい日を送っているのだよ。なんか堅牢な手法ない？

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 22:03:25

サイズで検出
名前で検出
ステータスコード509そのものを検出

くらいしか思いつかない

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 22:37:12

イメージのidの値が解析できりゃ良いんだけどなと思いながら>>343を書いた後
ドキュメントのソースを見てて気が付いたんだが、idを持ったイメージタグを全部
抜き出したとき、他に重複しないidを持つのがターゲットだな。それ以外は
上下に表示してるので2個ずつある。
決してスマートとはいえないが画像名やホスト名決め打ちしない分変化には強いかも。
中の人、若干策に溺れた気がしてきたよ。

**名無しさん＠お腹いっぱい。** · 2010/03/04(木) 23:43:04

個別の画像ページにある画像のhttpヘッダを全部取得、
その中で一番サイズが大きいのを取ってくる……
っていうのはどうだろう。

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 18:27:12

対策されても、ブラウザーでまともに表示されるのであれば
そんなに変わってないと思うんだけどなぁ・・・

試しに、１枚目の html と２枚目の html を保存して、WinMerge とかで比較
してみれば、どこの html を引っこ抜いてダウンロードするかわかるんでないの？

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 21:04:00

いってるはじからこれかよ。
楽しいじゃねぇか

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 21:49:40

また、http://g.e-hentai.orgの仕様変わったの？
暇人なのか？w

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 21:56:59

ふぅ、しょーもない姑息な手を使いやがって...ずっこけちゃったじゃないか。

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:00:20

なんかシンプルなhtmlに、なってるな。
逆にありがたいが。

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:24:45

新しいのでも古いのでも、divセクションの最初のネストのhrefとimgがそれってことでOK?

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:28:00

>>351
その「、」の入れ方はゴルゴ13みたいでかっこいいな。

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:39:43

ダウンローダー対策なんだろうけど、今回は矢継ぎ早だな。
日替わりで変更とか来たら、ある意味面白いな。

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:45:14

先ほどダウンした画像(g.e-hentai.org)の中に、403.gifが一枚だけあるんだけど？
これナニ？
例のloli規制の名残？

**名無しさん＠お腹いっぱい。** · 2010/03/05(金) 22:51:04

403は403だろ。404の友達みたいなものだ。

**午後は@お腹いっぱい** · 2010/03/06(土) 08:40:28

Darwin上で下記とするがうまく行かず。落とす事は落とすぞ
curl -O "http://www.hoge.com/[1-5].jpg"

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 12:59:13

get.plですが、get html : error. (400 URL missing)となります。
修正点を教えてください。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 13:00:31

自分はrubyでE-Hentaiの画像自動取得のプログラムを作ってるんだけど、
なぜか最近Hpricotでページの取得をしたら文字化けしたデータしか取れなくなった
誰か原因は分かりませんかね？

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 13:05:02

俺なんか普通に閲覧しようとしても文字化けだよ

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 13:31:15

>>359
取得したデータの文字コードを変換する

**359** · 2010/03/06(土) 14:19:11

>>361
それはもう試してあるんだけど何故か無理だった
一応取得データをそのままファイルとして保存して文字コードをUTF-8にしても文字化けするから
取得データ自体に何か問題があると考えてる

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 14:19:45

>>359
最近加えたプログラムや環境の変更に不具合があると思う。
なければ中の人に「すぐ元に戻せや迷惑なんじゃ何様のつもりじゃ」と訴える。
判らなければ検証用コードを見せてRubyに詳しい人に尋ねる。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 14:26:39

文字化けじゃなくてgzipエンコードじゃね？
get.plも、htmlファイルが落ちてこなくて生のgzipファイルが出来る。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 14:38:28

でも前は今のままでもうまく行ってたんだろ？

**359** · 2010/03/06(土) 14:43:52

>>364
データの拡張子をgzに変更して解凍してみたらそれらしいhtmlファイルが出来たから確かにgzipファイルが原因っぽい
どうやって対策しようものか・・・
rubyでgzipって解凍できたっけ？

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 14:56:30

>>366
良かった解決、じゃなくてどこをどう弄ったらgzipエンコードされたのか原因を知っとかないと
きっとこれからも同じ失敗を何度もするよ。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 15:44:54

gzipコマンド呼び出して対応するか、content_encoding対応したモジュール使うか？
めんどいからコマンドで対応した。

**359** · 2010/03/06(土) 17:06:38

>>367
今回の問題は、自分がプログラムを弄った為に発生した問題じゃなかったから迷ってたんですよ
E-Hentai側の圧縮転送への仕様変更が原因で発生したからだと思います
もし、それ以前にも圧縮転送をしていたのならば見当違いですけど・・・
ともかく忠告ありがとうございます

プログラムの方はちゃんと再び動くようになりました

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 18:57:30

>>369
おぉぅ、本当だね。試しにリクエストヘッダの「Content-Encoding: gzip」を消してみたが
サーバは勝手にgzipして送ってくる。以前はこういう場合は平文で送ってきてたのに。

ちなみに圧縮されているかどうかはレスポンスヘッダに書いてあるよ。

HTTP/1.0 200 OK
Server: Apache
Content-Encoding: gzip ←圧縮形式
Content-Type: text/html; charset=UTF-8
Content-Length: 1550 ←これは圧縮された状態のドキュメントサイズ
　　　:

ちなみに自分はdeflateで圧縮されるとチト困るんだが。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 18:59:40

ごめん削ったのは「Accept-Encoding」が正しい。

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 20:47:09

get.pl だけど, gethtml() の $res->content を decoded_content にすれば
gzip を decode 出来る(HTTP::Messageを参照).
decode されて is_utf8 なので, そのまま出力すると warning が出るから,
ファイルハンドラの HTML を encoding つきで open するか, binmode で設定する.

具体的には gethtml() の以下の部分.
- open (HTML, "> $sfn") or die $! ;
+ open (HTML, '>:encoding(utf8)', $sfn) or die $! ;
- print HTML $res->content ;
+ print HTML $res->decoded_content ;

gzipped ファイルに必死で matching を試みた俺に乾杯.
でも折角圧縮してくれてるんだから, こっちで decode してやるのが人だと思う.

**名無しさん＠お腹いっぱい。** · 2010/03/06(土) 23:15:50

LWP::UserAgentって、gzipデコードできるんだ
知らんかったよ勉強になった

**名無しさん＠お腹いっぱい。** · 2010/03/07(日) 22:53:29

早速対応したんだけど今回509の時間ちょーなげー

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 00:21:43

今回はgzipよりamp;につかまった

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 01:22:06

文字参照の落とし穴
見事わっちも、ひっかりました。以前は、動いていた気がするけど気のせい？

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 08:57:13

1ip1日100枚前後になっちった
1日に20冊くらい良いのが上がるから串踏むようなツールに変えないと

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 11:30:29

ehgの画像URLだけど、
あの41桁のSHA-1らしき何かは逆算できるものなの？
とりあえずURLに画像の大きさと幅と高さが埋め込まれていることしかわからない

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 12:04:04

イーヘンタイ潰れてるやんｗ

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 12:19:55

>>378
>あの41桁のSHA-1らしき何かは逆算できるものなの？
逆算してどうするの？
正規表現で取出すだけじゃない

プロクシで、ダウンテスト中だが今のところ落とせている。

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 19:27:41

はやくツール改修してうｐしてよ

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 20:52:29

棚に上げて人の志向に文句は言わないけど
あんたのHentai間口は俺よりかなりデカイ>>377

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 21:32:16

>>381
まぁ今週金曜の様子を見てからにしなよ。
guestは総Flash化されるかもな。

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 23:13:32

静止画見る程度でflash化とか
やりかねん
と言う事でまかせたぞ>383

**名無しさん＠お腹いっぱい。** · 2010/03/08(月) 23:34:32

>>382
今は３次ばっかでスルー多いけど、年末年明けは見るの大変でした

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 09:05:40

駄目だ。ツールは出来たがお前らとの壮絶な公開IPの奪い合いに勝てる気がしない。

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 09:28:01

どのipもe-henご使用済みだなおい
その辺の巡回取得を先に実装するのが常識？

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 09:49:38

やーっと未使用IP発見
やっぱこれも込みで自動化せんといかんな

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 11:44:40

e hentai潰れてもうた

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 11:49:38

wgetがUA変更しても動かないな
aria2cだといけるんだが

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 13:14:25

>>389
潰れてない件

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 13:26:59

未使用プロクシを発見しても速度が、遅かったりエラー頻発したりで
使えるプロクシは、意外と少ない。
おいらは、まったりプロクシ手動設定さ。みんなのおこぼれipでダウンするよ

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 17:04:01

>>389 入れないんだが

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 17:30:03

E-Hentai Galleries 入ろうとすると
「g_e-hentai_org」を落とそうとするんだが

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 17:31:06

E-Hentai Galleriesに入ろうとすると
「g_e-hentai_org」ってのが落ちてくるんだが

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 17:40:25

お茶でも飲んで落ち着け

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 18:28:19

>>392
フランスとか台湾で生きのいい串があったけどああいうのに当たると気持ちいい。
基本どこも重いか既にご使用済みだよね。
おかげでタイムアウトやコネクトがらみのデバッグできちゃったよ。
ともあれ串対応したおかげで302時代より落とせてるかも。
ただ落としたjpg見ると破損してるのあるからレジューム機能も付けんといかんです。

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 18:56:22

そして、手段が目的になるとw
画像なんてオマケです

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 19:03:38

>>398
実際見る時間無いしね。
１枚目の画像見て、びびっと来たのを登録するだけの作業になっている。
１枚目の画像だけありゃいいじゃんみたいに思えてくる。

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 21:46:13

>>397
俺は実際受信した画像データとContent-Length比較して違えばリトライしてるが

**157** · 2010/03/09(火) 21:47:14

対策版ができました。
ttp://www1.axfc.net/uploader/Sc/so/90788
DLキーワードは「連番ダウン」です。

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 22:03:52

>>401
otukare

早速質問
getpicsサブルーチンの
if ( -e $img ) は、フォルダー指定抜けてない？

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 23:29:44

>>401
乙豚!!

**名無しさん＠お腹いっぱい。** · 2010/03/09(火) 23:32:06

あげてしもた…すまんこ

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 02:14:01

>>393
俺もだわ
文字化け発生してびびった

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 07:09:15

>>401
自作ツールから無事コール出来てます
ありがとー

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 18:15:48

1枚1枚の保存が面倒臭い…と思って、何か良い手はないかと思ってたらこのスレを見つけた。
早速>>401のをDLしてみたんだけど、自分には何がなんだかサッパリだったぜ…。
ツールを使用してとかじゃないのかぁ。

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 18:30:59

ツールじゃん。

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 21:57:44

まあ、気持ちも分かる
アイコンをダブルクリックして、ボタンを幾つかクリックしたら
ダウンロード開始みたいな「ツール」を、期待していたのだろう。
でもね、スクリプトも面白いよ。
言い機会だからちょっといじってみなよ

**名無しさん＠お腹いっぱい。** · 2010/03/10(水) 23:04:13

やられる度に改造を加えて送り出す。
ちょっとした死神博士気分だ。
アジトは古アパートだが。
おっと、ゾル大佐に呼ばれた。イーッ!