forked from zaclys/searxng
[enh] 1st version of filecrop engine, to discover how searx works
This commit is contained in:
parent
141b04c6dd
commit
b71bddad06
|
@ -1,2 +1,5 @@
|
||||||
env
|
env
|
||||||
engines.cfg
|
engines.cfg
|
||||||
|
|
||||||
|
*.pyc
|
||||||
|
*/*.pyc
|
|
@ -0,0 +1,73 @@
|
||||||
|
from json import loads
|
||||||
|
from urllib import urlencode
|
||||||
|
from searx.utils import html_to_text
|
||||||
|
from HTMLParser import HTMLParser
|
||||||
|
|
||||||
|
url = 'http://www.filecrop.com/'
|
||||||
|
search_url = url + '/search.php?w={query}&size_i=0&size_f=100000000&engine_r=1&engine_d=1&engine_e=1&engine_4=1&engine_m=1'
|
||||||
|
|
||||||
|
class FilecropResultParser(HTMLParser):
|
||||||
|
def __init__(self):
|
||||||
|
HTMLParser.__init__(self)
|
||||||
|
self.__start_processing = False
|
||||||
|
|
||||||
|
self.results = []
|
||||||
|
self.result = {}
|
||||||
|
|
||||||
|
self.tr_counter = 0
|
||||||
|
self.data_counter = 0
|
||||||
|
|
||||||
|
def handle_starttag(self, tag, attrs):
|
||||||
|
|
||||||
|
if tag == 'tr':
|
||||||
|
if ('bgcolor', '#edeff5') in attrs or ('bgcolor', '#ffffff') in attrs:
|
||||||
|
self.__start_processing = True
|
||||||
|
|
||||||
|
if not self.__start_processing:
|
||||||
|
return
|
||||||
|
|
||||||
|
if tag == 'label':
|
||||||
|
self.result['title'] = [attr[1] for attr in attrs if attr[0] == 'title'][0]
|
||||||
|
elif tag == 'a' and ('rel', 'nofollow') in attrs and ('class', 'sourcelink') in attrs:
|
||||||
|
if 'content' in self.result:
|
||||||
|
self.result['content'] += [attr[1] for attr in attrs if attr[0] == 'title'][0]
|
||||||
|
else:
|
||||||
|
self.result['content'] = [attr[1] for attr in attrs if attr[0] == 'title'][0]
|
||||||
|
self.result['content'] += ' '
|
||||||
|
elif tag == 'a':
|
||||||
|
self.result['url'] = url + [attr[1] for attr in attrs if attr[0] == 'href'][0]
|
||||||
|
|
||||||
|
def handle_endtag(self, tag):
|
||||||
|
if self.__start_processing is False:
|
||||||
|
return
|
||||||
|
|
||||||
|
if tag == 'tr':
|
||||||
|
self.tr_counter += 1
|
||||||
|
|
||||||
|
if self.tr_counter == 2:
|
||||||
|
self.__start_processing = False
|
||||||
|
self.tr_counter = 0
|
||||||
|
self.data_counter = 0
|
||||||
|
self.results.append(self.result)
|
||||||
|
self.result = {}
|
||||||
|
|
||||||
|
def handle_data(self, data):
|
||||||
|
if not self.__start_processing:
|
||||||
|
return
|
||||||
|
|
||||||
|
if 'content' in self.result:
|
||||||
|
self.result['content'] += data + ' '
|
||||||
|
else:
|
||||||
|
self.result['content'] = data + ' '
|
||||||
|
|
||||||
|
self.data_counter += 1
|
||||||
|
|
||||||
|
def request(query, params):
|
||||||
|
params['url'] = search_url.format(query=urlencode({'q': query}))
|
||||||
|
return params
|
||||||
|
|
||||||
|
def response(resp):
|
||||||
|
parser = FilecropResultParser()
|
||||||
|
parser.feed(resp.text)
|
||||||
|
|
||||||
|
return parser.results
|
Loading…
Reference in New Issue