Biegral Blog

回老家去了，显得无聊上网看个小漫画，不是那种你们想的~

结果真的是移不动联不通信不过了，不是一格信号就是无信号，4G变2G了，搞心态！

没办法，只能连夜跑去网吧编程，用Python直接把整个网站的漫画都给爬下来传手机上了。

哎，这回我就不慌了~

还好我爬的是正经的漫画，不然后面一堆人，在网吧敲代码，真是有点特立独行了。

我回来之后，把这个做了个视频版教程，大家有需要的可以直接在文末拿，我直接把视频链接发出来了~

好了，简单的介绍下我们今天的内容叭~

首先咱们用的是这些环境

Python3.6 
pycharm

涉及到的知识点

requests
parsel   pip install 模块名
re
os

大概流程

一、单章节爬取

1. 找到受害者 https://www.kuimh.com/chapter/332265-3351141
2. 向受害者发送请求
3. 获取数据：获取源代码
4. 解析网页源代码: 提取漫画章节名, 每一页图片所在地址
5. 保存数据: 图片数据

二、整本漫画爬取

1. 请求 https://www.kuimh.com/book/mh10575
2. 获取数据：获取源代码
3. 解析网页源代码: 获取每一话所在地址
4. 循环爬取，保存数据

import os
import re
import parsel
import requests

1.正确url地址(静态\动态)

url = "https://www.kuimh.com/book/mh10575"

获取动漫章节链接和章节名

response = requests.get(url=url)
selector = parsel.Selector(response.text)

伪类选择器nth-child(第几个标签)
::text 获取文本内容
::attr 获取标签属性值

title_list = selector.css('#detail-list-select li a:nth-child(2)::text').getall()
url_list = selector.css('#detail-list-select li a:nth-child(2)::attr(href)').getall()
if not os.path.exists('./妖神记/'):
    os.makedirs('./妖神记/')

f：可以传入参数

for title, url in zip(title_list, url_list):
print(f'--------------------------正在爬取{title}-------------------------')
index = 1
target_url = f"https://www.kuimh.com{url}"
resp = requests.get(target_url)
selector = parsel.Selector(resp.text)
sub_url_list = selector.css('.comicpage div img::attr(src)').getall()[:3]
sub_list = selector.css('.comicpage div img::attr(data-echo)').getall()
for i in sub_list:
    sub_url_list.append(i)

r：防止字符串转义

title = re.sub(r'[\/:*?"<>|.]', "", title)
    if not os.path.exists('./妖神记/' + title):
        os.makedirs('./妖神记/' + title)
    for url_ in sub_url_list:
        image = requests.get(url_).content
        with open('./妖神记/' + title + '/'+'第'+str(index)+'页.jpg', mode='wb') as f:
            f.write(image)
        print('第', str(index), '页,爬取成功')
        index += 1
    print(title, '爬取成功！！！')

看不懂的话，建议直接看视频教程~

点我看视频，密码qwer

看到最后的小伙伴都有福利，给大家送一个VIP音乐下载器，聪明的小伙伴肯定能找到在哪领的（视频里面）~