最近學了一點點python爬蟲的知識，面向百度編程爬了一本小說之后感覺有點不滿足，于是突發奇想嘗試爬一本漫畫下來看看。
一、效果展示
首先是我們想要爬取的漫畫網頁：http://www.manhuadao.cn/
網頁截圖：
其次是爬取下來的效果：
每一回的文件夾里面是這樣的： (因為網站圖片的問題...所以就成了這個鬼樣子)
二、分析原理
1、準備：需要vscode或者其他能夠編譯運行python的軟件，推薦python版本3.X ，否則有可能出現編譯問題。
下載所需模塊：win+R進入命令行，輸入pipinstall 模塊名>即可下載。例如：
pip install beautifulsoup4
2、原理： 模擬瀏覽器點擊->打開漫畫網頁鏈接->獲取網頁源碼->定位每一章漫畫的鏈接->模擬點擊->獲取圖片頁面源碼->定位圖片鏈接->下載圖片
三、實際操作（代碼附在最后）
1、引入模塊 （這里不再詳述）
2、模擬瀏覽器訪問網頁
(1)、這里我們打開漫畫的目錄頁，如下： url = ”http://www.manhuadao.cn/Home/ComicDetail?id=58ddb07827a7c1392c234628“ ，此鏈接就是目錄頁鏈接。
(2)、按F12打開此網頁的源碼（谷歌瀏覽器），選中上方NetWork，Ctrl+R刷新。
(3)、找到加載網頁的源碼文件，點擊Headers，如下圖： StatusCode表示網頁返回的代碼，值為200時表示訪問成功。
(4)、headers中的參數為下面紅框User-Agent。
response = requests.get(url=url, headers=headers) # 模擬訪問網頁
print(response) # 此處應輸出 Response [200]>
print(response.text) # 輸出網頁源碼
兩個輸出分別輸出：
輸出返回200表示訪問成功。
（節選）
(5)、將html代碼存入 data 中，xpath定位每一章鏈接。點擊上方Element，點擊：
將鼠標移至目錄處：
右邊代碼區域出現每一章鏈接：
data = etree.HTML(response.text)
# tp = data.xpath('//ul[@class="read-chapter"]/li/a[@class="active"]/@href')
tp = data.xpath('//*[@class="yesReader"]/@href')
zhang_list = tp # tp為鏈接列表
輸出zhang_list，結果如下：
(6)、獲取圖片鏈接（獲取方式同上一步）
點進第一章，同上一步，尋找到圖片鏈接：
i=1
for next_zhang in zhang_list: # 在章節列表中循環
i=i+1
j=0
hui_url = r_url+next_zhang
name1 = "第"+str(i)+"回"
file = 'C:/Users/wangyueke/Desktop/'+keyword+'/{}/'.format(name1) # 創建文件夾
if not os.path.exists(file):
os.makedirs(file)
print('創建文件夾：', file)
response = requests.get(url=hui_url, headers=headers) # 模擬訪問每一章鏈接
data = etree.HTML(response.text)
# tp = data.xpath('//div[@class="no-pic"]//img/@src')
tp = data.xpath('//div[@class="main-content"]//ul//li//div[@class="no-pic"]//img/@src') # 定位
ye_list = tp
(7)、下載圖片
for k in ye_list: # 在每一章的圖片鏈接列表中循環
download_url = tp[j]
print(download_url)
j=j+1
file_name="第"+str(j)+"頁"
response = requests.get(url=download_url) # 模擬訪問圖片鏈接
with open(file+file_name+".jpg","wb") as f:
f.write(response.content)
五、代碼
'''
用于爬取非人哉漫畫
目標網址：http://www.manhuadao.cn/
開始時間：2019/8/14 20:01:26
完成時間：2019/8/15 11:04:56
作者：kong_gu
'''
import requests
import json
import time
import os
from lxml import etree
from bs4 import BeautifulSoup
def main():
keyword="非人哉"
file = 'E:/{}'.format(keyword)
if not os.path.exists(file):
os.mkdir(file)
print('創建文件夾：',file)
r_url="http://www.manhuadao.cn/"
url = "http://www.manhuadao.cn/Home/ComicDetail?id=58ddb07827a7c1392c234628"
headers = { # 模擬瀏覽器訪問網頁
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) \\Chrome/75.0.3770.142 Safari/537.36'}
response = requests.get(url=url, headers=headers)
# print(response.text) # 輸出網頁源碼
data = etree.HTML(response.text)
# tp = data.xpath('//ul[@class="read-chapter"]/li/a[@class="active"]/@href')
tp = data.xpath('//*[@class="yesReader"]/@href')
zhang_list = tp
i=1
for next_zhang in zhang_list:
i=i+1
j=0
hui_url = r_url+next_zhang
name1 = "第"+str(i)+"回"
file = 'C:/Users/wangyueke/Desktop/'+keyword+'/{}/'.format(name1) # 這里需要自己設置路徑
if not os.path.exists(file):
os.makedirs(file)
print('創建文件夾：', file)
response = requests.get(url=hui_url, headers=headers)
data = etree.HTML(response.text)
# tp = data.xpath('//div[@class="no-pic"]//img/@src')
tp = data.xpath('//div[@class="main-content"]//ul//li//div[@class="no-pic"]//img/@src')
ye_list = tp
for k in ye_list:
download_url = tp[j]
print(download_url)
j=j+1
file_name="第"+str(j)+"頁"
response = requests.get(url=download_url)
with open(file+file_name+".jpg","wb") as f:
f.write(response.content)
if __name__ == '__main__':
main()
到此這篇關于利用python3爬蟲爬取漫畫島-非人哉漫畫的文章就介紹到這了,更多相關python3爬蟲漫畫島內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 關于python爬蟲應用urllib庫作用分析
- python爬蟲Scrapy框架:媒體管道原理學習分析
- python爬蟲Mitmproxy安裝使用學習筆記
- Python爬蟲和反爬技術過程詳解
- python爬蟲之Appium爬取手機App數據及模擬用戶手勢
- 爬蟲Python驗證碼識別入門
- Python爬蟲技術
- Python爬蟲爬取商品失敗處理方法
- Python獲取江蘇疫情實時數據及爬蟲分析
- Python爬蟲之Scrapy環境搭建案例教程
- Python爬蟲中urllib3與urllib的區別是什么
- Python爬蟲分析匯總
