漫客栈数据采集学习

本文介绍了使用Python进行数据采集,通过正则表达式匹配网页内容,从漫客栈获取漫画章节信息,并进一步提取图片URL。接着,对接漫城的API,将数据入库。整个过程涉及HTTP请求、正则表达式解析和JSON数据交互。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import requests

import re

from urllib.parse import urlparse, urlunparse

url = "https://www.mkzhan.com/category/?is_free=1&page=1"

# 发送HTTPS请求

response = requests.get(url)

content = response.text

# 使用正则表达式匹配目标地址和名称

pattern = r'<p class="comic__title"><a href="([^"]+)"[^>]*>(.*?)<\/a><\/p>'

matches = re.findall(pattern, content)

# 打印匹配的地址和名称

for match in matches:

    address = "https://www.mkzhan.com" + match[0]

    name = match[1]

    print("地址:", address)

    print("名称:", name)

    # 发送章节的GET请求

    chapter_response = requests.get(address)

    chapter_content = chapter_response.text

    # 使用正则表达式匹配章节地址和id

    chapter_pattern

评论 1
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