先上个爬取的结果图
最后的结果为每部漫画按章节保存
运行环境
IDE VS2019
Python3.7
Chrome、ChromeDriver
Chrome和ChromeDriver的版本需要相互对应
先上代码，代码非常简短，包含空行也才50行，多亏了python强大的库
import
os
import
time
import
requests
from
selenium
import
webdriver
from
lxml
import
etree
def
getChapterUrl(url):
headers
=
{
"
User-Agent
"
:
"
Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36
"
}
part_url
=
"
http://ac.qq.com
"
res
= requests.get(url, headers=
headers)
html
=
res.content.decode()
el
=
etree.HTML(html)
li_list
= el.xpath(
'
//*[@id="chapter"]/div[2]/ol[1]/li
'
)
for
li
in
li_list:
for
p
in
li.xpath(
"
./p
"
):
for
span
in
p.xpath(
"
./span[@class='works-chapter-item']
"
):
item
=
{}
list_title
= span.xpath(
"
./a/@title
"
)[0].replace(
'
'
,
''
).split(
'
：
'
)
if
list_title[1].startswith((
'
第
'
,
'
序
'
)):
getChapterFile(part_url
+ span.xpath(
"
./a/@href
"
)[0], list_title[0],list_title[1
])
def
getChapterFile(url,path1,path2):
#
path = os.path.join(path)
#
漫画名称目录
path=
os.path.join(path1)
if
not
os.path.exists(path):
os.mkdir(path)
#
章节目录
path=path+
'
\\
'
+
path2
if
not
os.path.exists(path):
os.mkdir(path)
chrome
=
webdriver.Chrome()
#
"http://ac.qq.com/ComicView/index/id/505435/cid/2"
chrome.get(url)
time.sleep(
4
)
imgs
= chrome.find_elements_by_xpath(
"
//div[@id='mainView']/ul[@id='comicContain']//img
"
)
for
i
in
range(0, len(imgs)):
js
=
"
document.getElementById('mainView').scrollTop=
"
+str((i) * 1280
)
chrome.execute_script(js)
time.sleep(
3
)
print
(imgs[i].get_attribute(
"
src
"
))
with open(path
+
'
\\
'
+str(i)+
'
.png
'
,
'
wb
'
) as f:
f.write(requests.get(imgs[i].get_attribute(
"
src
"
)).content)
chrome.close()
print
(
'
下载完成
'
)
if
__name__
==
'
__main__
'
:
getChapterUrl(
'
http://ac.qq.com/Comic/ComicInfo/id/505435
'
)
简单解释
输入一个漫画的url即可爬取该漫画所有的章节，由于是模拟用户爬取的，所以速度方面有点慢，我试了下爬取银魂前70章，用了1个半小时，代码中的sleep可以适当简短点已加快爬取的速度
付费的漫画是没有办法爬取的
谈一下过程中遇到的坑
腾讯的漫画网站打开章节时没有把所有图片的url都加载出来，所以我在这里用的方式是使用selenium来模拟用户操作，每次打开页面以后使用js操作滚动条下拉
最后再贴下代码库，其实贴出的代码已经是所有的代码了
https://dev.azure.com/shenjuncaci/PythonTecentManhua
