python 精准爬取漫画 selenium 、BeautifulSoup自动化爬虫 无头浏览器模式(私聊获取对应网址)

 仅供学习,请勿商业行为!,未经允许请勿转载

 相关驱动获取 查看文章

x​​​​​​​python selenium4 使用无界面浏览器 爬虫 并存储mysql数据库_fuchto的博客-CSDN博客_python 无界面浏览器浏览器驱动需要查看对应浏览器版本进行下载selenium · PyPIhttps://pypi.org/project/selenium/浏览器设置中查看当前版本from selenium import webdriverfrom selenium.webdriver.chrome.service import Servicefrom selenium.webdriver.common.by import By# select 选择框需要引入 select 类fro...https://blog.csdn.net/fuchto/article/details/124480885?spm=1001.2014.3001.5501

废话不啰嗦直接上代码 

import requests
import re
import time
from bs4 import BeautifulSoup
import os
import threading
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.chrome.options import Options




import math
import json
#  漫画爬取
class manhua(threading.Thread):

    def __init__(self,bookname):
        threading.Thread.__init__(self)
        self.domain = "私聊获取网址"
        # 获取书名
        self.bookname = bookname

    def search(self):
        url = self.domain+"/spotlight/?keyword="+self.bookname
        search_html = requests.get(url)
        # exit()
        soup = BeautifulSoup(search_html.text,'html.parser')
        list = soup.select("body > main > div > div")
        status = 0
        for content in list:
            # print(content)
            link = re.findall(r'<p class="comic-name"><a href="(.*?)">.*?</a></p>',str(content))
            title = re.findall(r'<p class="comic-name"><a href=".*?">(.*?)</a></p>',str(content))
            if title[0] == self.bookname:
                status = 1
                #  漫画名
                self.book_title = title[0]
                self.cratedir(self.book_title)
                self.getlist(link[0])
        if status == 0:
            print("没有搜索到当前漫画")
            exit()

        # print(list)

    def cratedir(self,file_dir):
        if not os.path.exists(file_dir):
            os.makedirs(file_dir)
            print("创建目录  "+file_dir+"  成功")
        else:
            print("目录已存在  "+file_dir)

    def getlist(self,booklink):
        link = self.domain+"/bookchapter/"
        new_link = self.domain+booklink
        id = booklink.replace('/','')
        # 漫画id
        self.book_id = id
        data = requests.post(link,{'id':id,'id2':1})
        # 反序列化json数据
        content = json.loads(data.content)
        # 获取最新章节
        new_response = requests.get(new_link)
        soup = BeautifulSoup(new_response.text,"html.parser")
        new_list = soup.select("body > main > div.detail-content > div.catalog-box > div.list-wrap > div > ul > li > a")
        new_json = []
        for index in new_list:
            new_id = re.findall(r'<a href="'+booklink+'(.*?).html"',str(index))[0]
            new_title = re.findall(r'<a .*?>(.*?)</a>',str(index))[0]
            new_json.append({'id':new_id,'name':new_title})

        # 获取最新章节
        # 合并列表
        all_content = new_json+content

        for index in all_content:
            # 漫画章节id
            details_id =index['id']
            # 漫画章节名称
            details_name =index['name']
            self.getDetails(details_id,details_name)
            time.sleep(4)

    def getDetails(self,details_id,details_name):
        details_link = self.domain+"/"+str(self.book_id)+"/"+str(details_id)+".html"
        # 设置无界面打开浏览器 后台运行   无浏览器模式  注释则是浏览器模式
        chrome_options = Options()
        chrome_options.add_argument('--headless')
        chrome_options.add_argument('--disable-gpu')
        s = Service("D:\pythonVendor\chrome\chromedriver.exe")
        driver = webdriver.Chrome(service=s, options=chrome_options)
        #  打开网站
        driver.get(details_link)

        time.sleep(8)
        t = True
        time.sleep(1)
        # 获取 滚动条长度
        ScrollBarlen = (driver.execute_script("window.scrollTo(0,document.body.clientHeight);ScrollBarlen=document.body.clientHeight-document.body.scrollTop;return ScrollBarlen"))
        # 循环总数
        sum = math.ceil(ScrollBarlen / 1000)
        for index in range(sum):
            start = 1100 * (index+1)
            # print(start)
            # 滚动条下拉 到指定位置
            driver.execute_script("window.scrollTo(0,"+str(start)+")")
            time.sleep(1)
        # 直接显示最底部
        js = "var q=document.documentElement.scrollTop=100000000"
        driver.execute_script(js)
        # exit()
        soup = BeautifulSoup(driver.page_source,"lxml")
        list = soup.select("#mainView > ul > li > img")
        self.cratedir(self.bookname+"/"+str(details_name))
        i = 1
        for value in list:
            image_link = re.findall(r'<img .*? src="(.*?)"',str(value))
            image_dir = self.bookname+"/"+str(details_name)+"/"+str(i)+".jpg"
            if not os.path.exists(image_dir):
                self.download_image(image_link[0],image_dir)
            else:
                print("文件:"+ image_dir +" 已存在")
            i = i+1
            time.sleep(2)

        driver.quit()

    def download_image(self, image_link, image_dir):
        image = requests.get(image_link)
        if not os.path.exists(image_dir):
           file = open(image_dir,'wb')
           file.write(image.content)
           print("创建成功"+image_dir+'\n')



    def run(self):
        print("开始")
        self.search()




if __name__ == "__main__":
    name = input("请输入下载的漫画 ")
    # 设置线程
    thread1 = manhua(name)
    # 开始线程
    thread1.start()

    thread1.join()

效果图:

​​​​​​​

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

fuchto

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值