以前买漫画来看，现在去网站看，今天我用Python爬虫来看[Python基础]

  • Z时代
  • 2024-01-10
  • 分类：综合

python

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于CSDN ，作者Gordon，Alice

 

Python 爬虫爬取国外动漫

https://www.bilibili.com/video/BV1Kz4y1Z7YG/

前言

以前，我都是买漫画书看的，那个时候没有电脑。今天，我到网上看了一下，发现网上提供漫画看，但是时时需要网络啊！为什么不将它下载下来呢！

 

1. 怎样实现

这个项目需要的模块有：requests、urllib、threading、os、sys

其中requests模块也可以不用，只要urllib模块即可，但我觉得requests模块爬取数据代码量少。

os模块主要是为了创建文件夹，sys主要是为了结束程序（当然，这里我只是判断是否已经存在我即将创建的文件夹，如果存在，我就直接结束程序了，这个位于代码的开头）。

1.1 爬取我们需要的数据(网页链接、漫画名称、漫画章节名称)

 


我爬取漫画的网址为：https://www.mkzhan.com/
我们到搜索栏上输入 一个漫画名称
我输入的是：斗破苍穹，点击搜索，可以看到这个界面：

 


对这个网址进行分析：https://www.mkzhan.com/search/?keyword={}

大括号代表的内容就是我们输入的漫画名称，我们只要这样组合，就可以得到这个网址：

from urllib import parse
_name=input("请输入你想看的漫画:")
name_=parse.urlencode({"keyword":_name})
url="https://www.mkzhan.com/search/?{}".format(name_)

之后，就是对这个网址下面的内容进行爬取了，这个过程很容易，我就不讲了。

我们点击一下其中的一本漫画，来到这个界面：

 


这个网址，需要我们从上一个网址中得到并进行拼接，我们需要得到这个网址下面的漫画所有章节的链接和名称。

我们按F12来到开发者工具：

可以发现这些章节的内容在这个标签下面：

 

html1=requests.get(url=url1)
content1=html1.text
soup1=BeautifulSoup(content1,"lxml")
str2=soup1.select("ul.chapter__list-box.clearfix.hide")[0]
list2=str2.select("li>a")
name1=[]
href1=[]
for str3 in list2:
    href1.append(str3["data-hreflink"])   # 漫画一章的链接
    name1.append(str3.get_text().strip()) # 漫画一章的题目,去空格

这样我们就可以得到我们想要的内容了，我们点击其中的一章进入，发现里面只不过是一些图片罢了，我们只需把这些图片下载下来就行了。

 


代码运行结果：

 

 


下载完成之后，会在同一个文件夹下面多出一个文件夹，文件夹的名称为你输入漫画名称，这个文件夹下面会有很多文件夹，这些文件夹的名称是漫画章节的名称。

 

 

 

2. 完整代码

import requests
from urllib import parse
from bs4 import BeautifulSoup
import threading
import os
import sys
_name=input("请输入你想看的漫画:")
try:
    os.mkdir("./{}".format(_name))
except:
print("已经存在相同的文件夹了,程序无法在继续进行！")
    sys.exit()
name_=parse.urlencode({"keyword":_name})
url="https://www.mkzhan.com/search/?{}".format(name_)
html=requests.get(url=url)
content=html.text
soup=BeautifulSoup(content,"lxml")
list1=soup.select("div.common-comic-item")
names=[]
hrefs=[]
keywords=[]
for str1 in list1:
    names.append(str1.select("p.comic__title>a")[0].get_text())   # 匹配到的漫画名称
    hrefs.append(str1.select("p.comic__title>a")[0]["href"])      # 漫画的网址
    keywords.append(str1.select("p.comic-feature")[0].get_text())          # 漫画的主题
print("匹配到的结果如下：")
for i in range(len(names)):
print("【{}】-{}     {}".format(i+1,names[i],keywords[i]))
i=int(input("请输入你想看的漫画序号:"))
print("你选择的是{}".format(names[i-1]))
url1="https://www.mkzhan.com"+hrefs[i-1]      # 漫画的链接
html1=requests.get(url=url1)
content1=html1.text
soup1=BeautifulSoup(content1,"lxml")
str2=soup1.select("ul.chapter__list-box.clearfix.hide")[0]
list2=str2.select("li>a")
name1=[]
href1=[]
for str3 in list2:
    href1.append(str3["data-hreflink"])   # 漫画一章的链接
    name1.append(str3.get_text().strip()) # 漫画一章的题目,去空格
def Downlad(href1,path):
    headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3756.400 QQBrowser/10.5.4039.400"}
    url2="https://www.mkzhan.com"+href1
    html2=requests.get(url=url2,headers=headers)
    content2=html2.text
    soup2=BeautifulSoup(content2,"lxml")
    list_1=soup2.select("div.rd-article__pic.hide>img.lazy-read")  # 漫画一章中的所有内容列表
    urls=[]
for str_1 in list_1:
        urls.append(str_1["src"])
for i in range(len(urls)):
        url=urls[i]
        content3=requests.get(url=url,headers=headers)
        with open(file=path+"/{}.jpg".format(i+1),mode="wb") as f:
            f.write(content3.content)
return True
def Main_Downlad(href1:list,name1:list):
while True:
if len(href1)==0:
break
        href=href1.pop()
        name=name1.pop()
try:
            path="./{}/{}".format(_name,name)
            os.mkdir(path=path)
if Downlad(href, path):
print("线程{}正在下载章节{}".format(threading.current_thread().getName(),name))
except:
pass
threading_1=[]
for i in range(30):
    threading1=threading.Thread(target=Main_Downlad,args=(href1,name1,))
    threading1.start()
    threading_1.append(threading1)
for i in threading_1:
    i.join()
print("当前线程为{}".format(threading.current_thread().getName()))

3. 总结

我觉得这个程序还有很大的改进空间，如做一个ip代理池，这样再也不用担心ip被封了，另外，还可以做一个自动播放漫画图片的程序，这样就可以减少一些麻烦了。

以上是 以前买漫画来看，现在去网站看，今天我用Python爬虫来看[Python基础] 的全部内容， 来源链接： utcz.com/z/530286.html

回到顶部