一、获取所有章节URL地址
打开网址后,使用Chrome抓包,发现所有章节的数据如下所示:
def get_html(url):
r=requests.get(url,headers=header)
r.encoding='gbk'
if r.status_code==200:
return r.text
except:
print('网络连接异常')
def get_total_chapter():
data=json.loads(get_html(url))
chapter_total=data['Comics'][2]['Chapters']
for item in chapter_total:
yield item.get('Url')
二、解析图片地址,进行简单JS解密
点击进入第一话后,分析网页源码,发现图片保存在a标签下的img中,但是需要爬取的src是用javascript写的!这个时候直接用lxml库去解析是拿不到图片的。这里,我们先分析图片链接的组成,用正则把提取出来即可。
src='"+m201304d+"newkuku/2016/02/15/鬼灭之刃][第1话/JOJO_001513.jpg'
其中,m201304是加密的部分,这个网站比较简单,直接找到js4.js文件,即可发现m201304对应的是http://v2.kukudm.com/,除此之外还有三个加密码,我们可以构建成列表,用if判断是否含如下加密码,再用replace替换即可。
三、翻页分析
分析URL可知,第一话共54页,通过改变末尾的/number.html即可实现翻页
全部代码
所有图片都放在桌面的comic文件夹下
import requests
import json
import os
import re
import time
os.chdir('C:/Users/dell/Desktop/comic')
url='https://api.soman.com/soman.ashx?action=getsomancomicdetail&comicname=%E9%AC%BC%E7%81%AD%E4%B9%8B%E5%88%83&source=kuku%E5%8A%A8%E6%BC%AB'
header={'user-agent':"Opera/9.80 (Windows NT 6.0; U; en) Presto/2.8.99 Version/11.10"}
def get_html(url):
r=requests.get(url,headers=header,timeout=5)
r.encoding='gbk'
if r.status_code==200:
return r.text
else:
print('网络连接异常')
def get_total_chapter():
data=json.loads(get_html(url))
chapter_total=data['Comics'][2]['Chapters']
for item in chapter_total:
yield item.get('Url')
def save_items(url,count):
r=requests.get(url,headers=header,timeout=5)
with open('./第{}话/'.format(count)+str(int(time.time()))+'.jpg','wb') as f:
f.write(r.content)
def get_all_img(): #得到每话总图片数
src_list=["m200911d","m201001d","m201304d","k0910k"]
count=0
for chapter in get_total_chapter():
try:
count+=1
os.makedirs('./第{}话'.format(count))
pat='共(.*?)页'
total_page=re.search(pat,get_html(chapter)).group(1)
for page in range(1,int(total_page)+1):
pat1='<IMG SRC=(.*)></a>'
src=re.search(pat1,get_html(chapter)).group(1)
for item in src_list:
if item in src_list:
src=src.replace("+"+item+"+",'http://v2.kukudm.com/').replace('"','')
save_items(eval(src),count)
print('第{}话第{}页爬取完成'.format(count,page))
now_page=re.search('.*/(.*)\.htm',chapter).group(1)
chapter=chapter.replace(str(now_page)+'.htm',str(page+1)+'.htm')
except:
print('未爬取到数据')
if __name__=='__main__':
get_all_img()
最终爬取的漫画如下(这里仅作示例,只爬取了前10话的内容):10话大概爬取了25分钟左右,算下来,爬完188话,也要7个多小时…后续可以用多进程方法加速一下爬取速度。
关于Python学习指南
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!
👉Python所有方向的学习路线👈
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取)
👉Python学习视频600合集👈
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
温馨提示:篇幅有限,已打包文件夹,获取方式在:文末
👉Python70个实战练手案例&源码👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉Python大厂面试资料👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
👉Python副业兼职路线&方法👈
学好 Python 不论是就业还是做副业赚钱都不错,但要学会兼职接单还是要有一个学习规划。
👉 这份完整版的Python全套学习资料已经上传,朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费
】
![](https://i-blog.csdnimg.cn/blog_migrate/ec1dd0ab0f21141f2dd88c314d0442ca.png)