爬取manhua.fzdm.com上的妖尾漫画

学习使我快乐

初学者,爬取manhua.fzdm.com上妖精的尾巴漫画,
没做任何防错设施和防爬虫设施,因为不会。。。
运行的时候过了好久才被发现,可能是网速太慢了

import requests
import re
import os



#获得一页的响应
def get_one_page(url):
    headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4482.400 QQBrowser/9.7.13001.400'}
    response=requests.get(url,headers=headers)
    return response
    

    
#在源码中找到图片的地址
def parse_one_page(html):
    pattern=re.compile('var\smhurl="(.*?)".*?var e.*?e.src="(.*?)"+',re.S)
    address=re.search(pattern,html)
    picture_address=address.group(2)+address.group(1)
    return picture_address

#访问图片地址并保存
def get_picture(picture_address):
    r=requests.get(picture_address)
    with open(str(a)+'_'+str(b)+'.jpg','ab') as f:
        f.write(r.content)



def main(a,b):

    html=response.text
    picture_address=parse_one_page(html)
    result=get_picture(picture_address)




if __name__=='__main__':
    
    os.mkdir('D:\\妖精的尾巴')
    os.chdir('D:\\妖精的尾巴')

    for a in range(420,515):  #从420章到514章
        for b in range(1,30):     #每一章从第1页找到29页,如果没20多页以后的网址,break
            
            url='http://manhua.fzdm.com/27/'+str(a)+'/index_'+str(b)+'.html'      #27是这个网站上妖尾的。。。
            response=get_one_page(url)
            
            if response.status_code==200:
                main(a,b)
            else:
                break
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提数据并存储,以便后续分析或展示。虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓的场景。 虫的工作流程包括以下几个关键步骤: URL收集: 虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获。 请求网页: 虫使用HTTP或其他协议向目标URL发起请求,获网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 虫对获的HTML进行解析,提有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助虫定位和提目标数据,如文本、图片、链接等。 数据存储: 虫将提的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反虫机制,虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反虫应对: 由于虫的存在,一些网站采了反虫措施,如验证码、IP封锁等。虫工程师需要设计相应的策略来应对这些挑战。 虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
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
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