• python+selenium爬取动漫图片


    #在风之动漫网上下载海贼王,输入需要下载的章节,将漫画下载的本地
    #实现思路:
    # 1 海贼王的漫画目录链接是:https://www.fzdm.com/manhua/02/
    # 2 第X话的漫画。连接是https://www.fzdm.com/manhua/02/X/,例如,924话链接是https://www.fzdm.com/manhua/02/924/
    # 3 第X话漫画中,第一页的链接是:https://www.fzdm.com/manhua/02/924/,第二页是https://www.fzdm.com/manhua/02/924/index_1.html
    # 第三页是https://www.fzdm.com/manhua/02/924/index_2.html,经尝试,index_0.html就是第一页的链接
    #利用迭代,可以获得一到最后一页的图片,但是无法准确知道那一页是最后一页,利用try..exception..函数,抛出异常,并结束。
    #因为,图片的链接使用js脚本加载的,无法直接在静态网页中获得http链接,所以使用selenium定位图片位置,然后使用get_attribute('src')
    #获得图片的链接
    #之后用resquests请求,将图片下载的本地
    #


    from selenium import webdriver
    from selenium.common.exceptions import NoSuchElementException
    import requests
    import time
    import os
    import sys
    def manhua_download():
    option = webdriver.ChromeOptions()
    option.add_argument('disable-infobars') # 关闭自动化程序运行的提示
    # option.add_argument('--headless') #隐藏浏览器窗口
    driver=webdriver.Chrome(options=option)
    #上面三行可以使得浏览器不弹出自动化测试的拦截窗口
    x=input("请问要下载第几话?请输入:")
    url=os.path.join('https://manhua.fzdm.com/2/',x)
    # 创建章节目录
    dirname = '第' + str(x) + '话'
      #判断文件夹是否已经存在
    if not os.path.exists(dirname):
    os.mkdir(dirname)
    print('文件夹创建完毕')
      
    #因为海贼王的每一话,没有超过30页的,所以设定range是30,这样可以保证每一页都爬取下来,但是会导致超过最后一页后,会异常。
    for i in range(30):

    index='index_'+str(i)+'.html'
    final_url=os.path.join(url,index)
    driver.get(final_url)
    try:
    img_path = driver.find_element_by_xpath(".//img[@id='mhpic']")
    except NoSuchElementException:
    print('下载完毕')
    driver.quit()
    sys.exit() #捕获异常后退出程序
    img_url = img_path.get_attribute('src') # get_attribute('src') 获取src内的内容
    print(img_url)
    time.sleep(0.1)
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:63.0) Gecko/20100101 Firefox/63.0'}
    response = requests.get(img_url,headers=headers)
    image_name=dirname+'/'+str(i+1)+'.jpg' #实现下载的图片存到指定的文件夹的功能
    with open(image_name,'wb') as f:
    f.write(response.content)
    print('第'+str(i+1)+'页已下载')

    manhua_download()
  • 相关阅读:
    Ubuntu 虚拟机安装几点细节整理
    jQuery与IE兼容性问题处理
    Excel已损坏,无法打开
    应对刷新闪烁问题
    ArcGIS鼠标滚轮方向之代码篇
    ChartControl控件0和null的效果
    多个组件联合打印输出——PrintableComponentLink
    Skyline中加载WMTS地图
    访问天地图WMTS服务的正确姿势
    超图不支持JPEG格式的WMTS服务
  • 原文地址:https://www.cnblogs.com/hexia7935/p/9960725.html
Copyright © 2020-2023  润新知