大橙子网站建设,新征程启航

为企业提供网站建设、域名注册、服务器等服务

怎么利用python3爬取漫画岛

这篇文章主要介绍“怎么利用python3爬取漫画岛”,在日常操作中,相信很多人在怎么利用python3爬取漫画岛问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”怎么利用python3爬取漫画岛”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

创新互联公司服务项目包括苏尼特左网站建设、苏尼特左网站制作、苏尼特左网页制作以及苏尼特左网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,苏尼特左网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到苏尼特左省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!

一、效果展示

首先是我们想要爬取的漫画网页:http://www.manhuadao.cn/

网页截图:

 怎么利用python3爬取漫画岛

其次是爬取下来的效果:

怎么利用python3爬取漫画岛

每一回的文件夹里面是这样的: (因为网站图片的问题...所以就成了这个鬼样子)

怎么利用python3爬取漫画岛

二、分析原理

1、准备:需要vscode或者其他能够编译运行python的软件,推荐python版本3.X ,否则有可能出现编译问题。

下载所需模块:win+R进入命令行,输入pipinstall <模块名>即可下载。例如:

pip install beautifulsoup4

2、原理: 模拟浏览器点击->打开漫画网页链接->获取网页源码->定位每一章漫画的链接->模拟点击->获取图片页面源码->定位图片链接->下载图片

三、实际操作(代码附在最后)

1、引入模块 (这里不再详述)

 怎么利用python3爬取漫画岛

2、模拟浏览器访问网页

怎么利用python3爬取漫画岛

(1)、这里我们打开漫画的目录页,如下: url = ”http://www.manhuadao.cn/Home/ComicDetail?id=58ddb07827a7c1392c234628“ ,此链接就是目录页链接。

怎么利用python3爬取漫画岛

(2)、按F12打开此网页的源码(谷歌浏览器),选中上方NetWork,Ctrl+R刷新。

怎么利用python3爬取漫画岛

(3)、找到加载网页的源码文件,点击Headers,如下图: StatusCode表示网页返回的代码,值为200时表示访问成功。

 怎么利用python3爬取漫画岛

(4)、headers中的参数为下面红框User-Agent。

response = requests.get(url=url, headers=headers)  # 模拟访问网页
print(response)  # 此处应输出   
print(response.text)   # 输出网页源码

两个输出分别输出:

 怎么利用python3爬取漫画岛 输出返回200表示访问成功。

 怎么利用python3爬取漫画岛(节选)

(5)、将html代码存入 data 中,xpath定位每一章链接。点击上方Element,点击:

怎么利用python3爬取漫画岛

将鼠标移至目录处:

怎么利用python3爬取漫画岛

右边代码区域出现每一章链接:

怎么利用python3爬取漫画岛

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为链接列表

输出zhang_list,结果如下:

怎么利用python3爬取漫画岛

(6)、获取图片链接(获取方式同上一步)

点进第一章,同上一步,寻找到图片链接:

怎么利用python3爬取漫画岛

i=1
for next_zhang in zhang_list:    # 在章节列表中循环
    i=i+1
    j=0
    hui_url = r_url+next_zhang
    name1 = "第"+str(i)+"回"
    file = "C:/Users/wangyueke/Desktop/"+keyword+"/{}/".format(name1)   # 创建文件夹
    if not os.path.exists(file):
        os.makedirs(file)
        print("创建文件夹:", file)
    response = requests.get(url=hui_url, headers=headers)    # 模拟访问每一章链接
    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)、下载图片

for k in ye_list:    # 在每一章的图片链接列表中循环
    download_url = tp[j]
    print(download_url)
    j=j+1
    file_name="第"+str(j)+"页"
    response = requests.get(url=download_url)    # 模拟访问图片链接
    with open(file+file_name+".jpg","wb") as f:
        f.write(response.content)

五、代码

"""
用于爬取非人哉漫画
目标网址:http://www.manhuadao.cn/
开始时间:2019/8/14 20:01:26
完成时间: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("创建文件夹:",file)
    r_url="http://www.manhuadao.cn/"
    url = "http://www.manhuadao.cn/Home/ComicDetail?id=58ddb07827a7c1392c234628"
    headers = {  # 模拟浏览器访问网页
        "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)   # 输出网页源码
    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)    # 这里需要自己设置路径
        if not os.path.exists(file):
            os.makedirs(file)
            print("创建文件夹:", 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)+"页"
            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,关于“怎么利用python3爬取漫画岛”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!


标题名称:怎么利用python3爬取漫画岛
分享地址:http://dzwzjz.com/article/iesiho.html
在线咨询
服务热线
服务热线:028-86922220
TOP