主頁 > 知識庫 > 教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫

教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫

熱門標簽:預覽式外呼系統(tǒng) 銀川電話機器人電話 電銷機器人錄音要學習什么 企業(yè)彩鈴地圖標注 外賣地址有什么地圖標注 煙臺電話外呼營銷系統(tǒng) 如何地圖標注公司 長春極信防封電銷卡批發(fā) 上海正規(guī)的外呼系統(tǒng)最新報價

    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(fā)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(wǎng)頁:http://www.manhuadao.cn/

   網(wǎng)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(wǎng)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(xiàn)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(wǎng)頁鏈接->獲取網(wǎng)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(wǎng)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(wǎng)頁的源碼(谷歌瀏覽器),選中上方NetWork,Ctrl+R刷新。

    (3)、找到加載網(wǎng)頁的源碼文件,點擊Headers,如下圖: StatusCode表示網(wǎng)頁返回的代碼,值為200時表示訪問成功。

      

    (4)、headers中的參數(shù)為下面紅框User-Agent。

response = requests.get(url=url, headers=headers)  # 模擬訪問網(wǎng)頁
print(response)  # 此處應輸出   Response [200]>
print(response.text)   # 輸出網(wǎng)頁源碼

     兩個輸出分別輸出:

   輸出返回200表示訪問成功。

   (節(jié)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(qū)域出現(xiàn)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(jié)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(jié)列表中循環(huán)
    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(chuàng)建文件夾
    if not os.path.exists(file):
        os.makedirs(file)
        print('創(chuàng)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(huán)
    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(wǎng)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(chuàng)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(wǎng)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(wǎng)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(chuàng)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(guān)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(guān)python3爬蟲漫畫島內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)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(guān)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(shù)過程詳解
  • python爬蟲之Appium爬取手機App數(shù)據(jù)及模擬用戶手勢
  • 爬蟲Python驗證碼識別入門
  • Python爬蟲技術(shù)
  • Python爬蟲爬取商品失敗處理方法
  • Python獲取江蘇疫情實時數(shù)據(jù)及爬蟲分析
  • Python爬蟲之Scrapy環(huán)境搭建案例教程
  • Python爬蟲中urllib3與urllib的區(qū)別是什么
  • Python爬蟲分析匯總

標簽:盤錦 西寧 湖北 佳木斯 宜昌 潮州 上饒 珠海

巨人網(wǎng)絡通訊聲明:本文標題《教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫》,本文關(guān)鍵詞  教你,如何,利用,python3,爬蟲,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡,涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫》相關(guān)的同類信息!
  • 本頁收集關(guān)于教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章