En mi última entrada en este blog hablé de un script que programe en Python y que era capaz de hacer crawling por un pagina web y obtener los correos electrónicos que estuvieran en el código fuente. Ese script funcionaba pero tenia algunos errores que podéis ver en la entrada anterior.
Así que he cogido una versión anterior de mi script le he quitado la parte del crawling y le he Interfaz Gráfica gracias a Tkinter, una librería de Python dedicada a ello . Hacia mucho que quería ponerme a ello y me gustaría contribuir a la comunidad con algún programa así que creo que mi HTML E-Mail Extractor (GUI) os podrá ser de ayuda.
Como no, aquí tenéis el código. Para que los que no sepáis leerlo, como yo hace unos meses, os diré que es un programa que lee el código fuente de una web mediante su url y mira en todo el texto de la web hasta que encuentra una expresión que corresponda al patrón de la expresión regular que hay en el código y que coincide con los de una dirección de Correo electrónico.
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from Tkinter import *
import urllib2
import re
def mostrar(window):
window.deiconify()
def ocultar(window):
window.withdraw()
def ejecutar(f):
ventana.after(0,f)
def crawler(web):
try:
respuesta = urllib2.Request(web)
pagina = urllib2.urlopen(respuesta).read()
if pagina:
#esto complia la exprsion siguiente
patron = re.compile("[-a-zA-Z0-9._]+@[-a-zA-Z0-9_]+.[a-zA-Z0-9_.]+")
#se explica por si mismo
smails = re.findall(patron,pagina)
listaemails = open ('listaemail.txt', 'a+')
d2 = str(smails)
listaemails.write(d2)
listaemails.close()
label3=Label(ventana, bg='white' ,text=" URL valida ")
label3.grid(row=5, column=2)
ejecutar(mostrar(ventana1))
except:
label3=Label(ventana, bg='white' ,text=" Pon una URL ")
label3.grid(row=5, column=2)
#Configuración ventanas
if __name__ == "__main__":
ventana = Tk()
ventana1 = Toplevel(ventana)
ventana.title('HTML Email Extractor')
ventana.config(bg='white')
ventana1.config(bg='white')
#ventana
label1=Label(ventana, bg='white',text="StateX Email Extractor", font= (16) )
label1.grid(row=1, column=2)
label2=Label(ventana,bg='white' ,text="Pon una URL:")
label2.grid(row=2,column =2)
caja = Entry(ventana)
caja.grid(row=3, column=2)
boton1 = Button(ventana, text="Start", bg='white', command=lambda: crawler(caja.get()))
boton1.grid(row=4, column=2)
#ventana 1
label4=Label(ventana1, bg ='white', text = "Correos almacenados con éxito")
label4.grid(row=1, column=2)
boton2 = Button(ventana1, bg='white', text="Seguir",command= lambda: ejecutar(mostrar(ventana)) or caja.delete(0,END))
boton2.grid(row=3, column=2)
boton3 = Button(ventana1, bg='white', text="Salir", command= ventana.destroy)
boton3.grid(row=4, column=2)
#Estado inicial de las ventanas
ventana1.withdraw()
ventana.mainloop()
Si os lo queréis descargar tenéis la carpeta con el programa hecho un .exe, el programa en Python y el script original del extractor en mi GitHub y espero que dentro de poco en el apartado Herramientas de esta Web ;)
GitHub:
Espero que os haya gustado y Sed Buenos con esto ;)
