教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫

更新時間：2021年07月13日 11:39:45 作者：空谷回音。

本文給大家分享利用python3爬蟲爬取漫畫島-非人哉漫畫，本文通過實例代碼給大家介紹的非常詳細(xì)，需要的朋友跟隨小編一起學(xué)習(xí)下吧

　　　　最近學(xué)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(zhǔn)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(jìn)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(yīng)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(biāo)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(jìn)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(biāo)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(shè)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: