如何利用python3爬虫爬取漫画岛

本篇内容主要讲解“如何利用python3爬虫爬取漫画岛”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“如何利用python3爬虫爬取漫画岛”吧!

　　　　最近学了一点点python爬虫的知识，面向百度编程爬了一本小说之后感觉有点不满足，于是突发奇想尝试爬一本漫画下来看看。

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：

其次是爬取下来的效果：

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)

二、分析原理

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

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）

　　2、模拟浏览器访问网页　　

　　　　(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。

　　　　(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。

　　　　(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。

　　　　(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   <Response [200]>print(response.text)   # 输出网页源码

　　　　 两个输出分别输出：

　　 输出返回200表示访问成功。

　　 （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：

　　　　　　将鼠标移至目录处：

　　　　　　右边代码区域出现每一章链接：

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为链接列表

　　输出zhang_list，结果如下：

　　　　(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：

i=1for 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/@class="lazy" data-src')    tp = data.xpath('//div[@class="main-content"]//ul//li//div[@class="no-pic"]//img/@class="lazy" data-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 requestsimport jsonimport timeimport osfrom lxml import etreefrom bs4 import BeautifulSoupdef 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/@class="lazy" data-src')        tp = data.xpath('//div[@class="main-content"]//ul//li//div[@class="no-pic"]//img/@class="lazy" data-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，相信大家对“如何利用python3爬虫爬取漫画岛”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！