一、效果展示
首先是我们想要爬取的漫画网页:http://www.manhuadao.cn/
网页截图:
其次是爬取下来的效果:
二、实现原理
1、准备:需要vscode或者其他能够编译运行python的软件,推荐python版本3.X ,否则有可能出现编译问题。
下载所需模块:win+R进入命令行,输入pipinstall <模块名>即可下载。例如:
pip install beautifulsoup4
2、原理: 模拟浏览器点击->打开漫画网页链接->获取网页源码->定位每一章漫画的链接->模拟点击->获取图片页面源码->定位图片链接->下载图片
三、操作过程
1、引入模块
2、模拟浏览器访问网页
1.这里我们打开漫画的目录页,如下: url = ”http://www.manhuadao.cn/Home/ComicDetail?id=58ddb07827a7c1392c234628“
,此链接就是目录页链接。
2.按F12
打开此网页的源码我用的是谷歌浏览器,选中上方NetWork
,Ctrl+R
刷新。
3.找到加载网页的源码文件,点击Headers
,如下图: StatusCode表示网页返回的代码,值为200时表示访问成功。
4.headers中的参数为下面红框User-Agent。
response = requests.get(url=url, headers=headers) # 模拟访问网页
print(response) # 此处应输出 <Response [200]>
print(response.text) # 输出网页源码
两个输出分别输出:
输出返回200表示访问成功。
5.将html代码存入 data 中,xpath定位每一章链接。点击上方Element,点击:
将鼠标移至目录处:
右边代码区域出现每一章链接:
data = etree.HTML(response.text)
# tp = data.xpath('//ul[@class="read-chapter"]/li/a[@class="active"]/@href')
tp = data