【移動應用開發(fā)技術】怎么利用python3爬取漫畫島

【移動應用開發(fā)技術】怎么利用python3爬取漫畫島

這篇文章主要介紹“怎么利用python3爬取漫畫島”，在日常操作中，相信很多人在怎么利用python3爬取漫畫島問題上存在疑惑，在下查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么利用python3爬取漫畫島”的疑惑有所幫助！接下來，請跟著在下一起來學習吧！首先是我們想要爬取的漫畫網頁：/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)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

beautifulsoup42、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=”/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(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)域出現每一章鏈接：data

=

etree.HTML(response.text)

#

tp

=

data.xpath("http://ul[@class="read-chapter"]/li/a[@class="active"]/@href")

tp

=

data.xpath("http://*[@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(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("http://div[@class="no-pic"]//img/@src")

tp

=

data.xpath("http://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)"""

用于爬取非人哉漫畫

目標網址：/

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="/"

url

=

"/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("http://ul[@class="read-chapter"]/li/a[@class="active"]/@href")

tp

=

data.xpath("http://*[@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("http://div[@class="no-pic"]//img/@src")

tp

=

data.xpath("http://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)