先附上github链接:GitHub - muzi-xiaoren/kaobei_Crawler: 拷贝漫画爬虫
主要使用selenium库模拟浏览器来获取kaobei动态加载的html页面。
用BeautifulSoup进行解析。然后传入函数先获取url。
将url传入get.py中使用多线程编程加快下载速率
下面是具体函数及使用方法。
download.py 和 get.py 是方法函数,不需要修改。pic是md图片存放处。
kaobei_spider_1.py
使用临时账号和密码登陆,需要登陆的原因是有一些漫画不登陆不可见 (在50和51行处,可以不用修改 也可以修改成你的账号和密码)
56行处修改漫画页面的url,修改成页面显示如下图时的url。从浏览器复制就行。
下载的图片新存放于本文件夹中的一个kaobei_images中。
kaobei_spider_2.py
使用的是本机浏览器,例如代码中的Chrome浏览器 如果你的浏览器中已经登陆了拷贝网站,那么就可以省去登陆的步骤。
但是配置起来比较麻烦,教程见教程Chrome浏览器的复用_--remote-debugging-port=9222_Mengmeng.Nie的博客-CSDN博客
建议直接使用kaobei_spider_1的账号密码登陆
最后是一些注意事项
- 由于使用多线程下载,对每张图片使用一个新的线程进行下载。所以可能会比较吃网速,导致一些报错。如果出现这种情况,可以如下解决。1. 一次运行完后,再次运行py程序,因为图片会先检测是否存在,不会重复下载。基本多运行几次就可以完全下载。2. 取消get.py第20行的注释,让所有下载图像的线程创建完成后停一秒后再返回,时间也可以多加一些。
- 程序运行时请让浏览器的页面保持在屏幕中,不要最小化到任务栏中,不然页面不会进行更新。
- kaobei_spider_2.py目前运行完成后不能自动关闭,需要手动结束一下进程。当然最好等一会,因为打印出最后下载章数的时候,可能还有一些下载图片的进程在运行。
- 下载的漫画全部存放于一个文件夹中,文件名格式由章节数_图片顺序_url中部分字符串构成。如下所示。
版权归原作者 宵忍 所有, 如有侵权,请联系我们删除。