程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

Python帶你采集內容,讓你不要錢免費看,爭做省錢小能手~

編輯:Python

前言

嗨喽,大家好吶,這裡是魔王呀~



本篇代碼提供者: 青燈教育-自游老師


環境使用:

  • Python 3.8

  • Pycharm 版本盡量保持一致哦~


模塊使用:

  • requests >>> pip install requests

  • parsel >>> pip install parsel


如果安裝python第三方模塊:

  1. win + R 輸入 cmd 點擊確定, 輸入安裝命令 pip install 模塊名 (pip install requests) 回車

  2. 在pycharm中點擊Terminal(終端) 輸入安裝命令


安裝失敗原因:

失敗一: pip 不是內部命令

解決方法: 設置環境變量

失敗二: 出現大量報紅 (read time out)

解決方法: 因為是網絡鏈接超時, 需要切換鏡像源
例如:pip3 install -i https://pypi.doubanio.com/simple/ 模塊名

失敗三: cmd裡面顯示已經安裝過了, 或者安裝成功了, 但是在pycharm裡面還是無法導入

解決方法: 可能安裝了多個python版本 (anaconda 或者 python 安裝一個即可) 卸載一個就好
或者你pycharm裡面python解釋器沒有設置好


如何配置pycharm裡面的python解釋器?

  1. 選擇file(文件) >>> setting(設置) >>> Project(項目) >>> python interpreter(python解釋器)

  2. 點擊齒輪, 選擇add

  3. 添加python安裝路徑


pycharm如何安裝插件?

  1. 選擇file(文件) >>> setting(設置) >>> Plugins(插件)

  2. 點擊 Marketplace 輸入想要安裝的插件名字 比如:翻譯插件 輸入 translation / 漢化插件 輸入 Chinese

  3. 選擇相應的插件點擊 install(安裝) 即可

  4. 安裝成功之後 是會彈出 重啟pycharm的選項 點擊確定, 重啟即可生效


基本思路流程<通用>:

一. 數據來源分析

  1. 明確需求

  2. 通過開發者工具進行抓包分析, 分析manhua數據內容來於那裡 一張manhua圖片<url地址> ----> 獲取本章節所有manhua內容來自於哪裡

二. 代碼實現步驟過程

  1. 發送請求, 對於剛剛分析得到圖片數據包url地址發送請求

  2. 獲取數據, 獲取服務器返回響應數據response

  3. 解析數據, 提取所有manhau圖片url地址

  4. 保存數據, 把manhua內容保存到本地文件夾

采集一本漫畫內容

采集多章manhua內容 —> 去找尋多個manhau數據包url地址 —> 分析請求url地址參數變化 —> 章節ID變化
只需要獲取所有manhua章節ID就可以了 —> 都目錄頁面 列表頁面 去分析找尋

  1. 發送請求, 對於manhau目錄頁面發送請求

  2. 獲取數據, 獲取服務器返回響應數據response

  3. 解析數據, 提取所有manhua章節ID以及manhua標題

代碼

因審核機制原因,我把網址裡的一些東西刪掉了,小可耐們可以自己添加一下哈,很容易的
還有兩個字,我用拼音代替了,你們可以改回文字哦 ~
如果有不太會改或者有點點小懶惰的小可耐也可以私信我,我發你吶~
(或查看並點擊網頁主頁(文章)左側的流動文字免費獲取哦~(可能需要往下劃一下吶))

導入模塊

# 導入數據請求模塊import requests# 導入格式化輸出模塊import pprint# 導入數據解析模塊import parsel# 導入文件操作模塊import os

確定網址

link = ''

加入偽裝

# headers請求頭偽裝headers = { # user-agent: 用戶代理 表示浏覽器基本身份標識 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36',}

發送請求

response_1 = requests.get(url=link, headers=headers)

獲取數據

# print(response_1.text)# 解析數據 獲取數據是什麼樣的, 選擇最適合的解析方法selector = parsel.Selector(response_1.text)lis = selector.css('.chapter__list-box .j-chapter-item')

獲取名字

name = selector.css('.de-info__box .comic-title::text').get()

自動創建文件

filename = f'{name}\\'if not os.path.exists(filename): os.mkdir(filename)for li in list(reversed(lis)): chapter_id = li.css('a::attr(data-chapterid)').get() chapter_title = li.css('a::text').getall()[-1].strip() print(chapter_id, chapter_title)

發送請求, 模擬浏覽器對於url地址發送請求
問號後面的內容, 都是屬於這個url的請求參數, 可以單獨用字典去接受
用python代碼模擬浏覽器, 是需要使用headers請求頭 —> 可以在開發者工具裡面進行復制粘貼
user-agent: 用戶代理 表示浏覽器基本身份標識
如何快速批量替換:
選中替換的內容 ctrl + R 輸入正則表達式命令, 點擊全部替換

 (.*?): (.*) '$1': '$2',

請求url地址

—> 復制粘貼的

 # https://comic..com/chapter/content/v1/?chapter_id=996914&comic_id=211471&format=1&quality=1&sign=c2f14c1bdb0505254416907f504b4e03&type=1&uid=55123713 url = ''

請求參數

—> 復制粘貼的

 data = { 'chapter_id': chapter_id, 'comic_id': '211471', 'format': '1', 'quality': '1', 'sign': 'c2f14c1bdb0505254416907f504b4e03', 'type': '1', 'uid': '55123713', }

請求頭

用來偽裝python代碼的 —> 復制粘貼的

 headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36' }

發送請求

 response = requests.get(url=url, params=data, headers=headers) # <Response [200]> 響應對象, 200狀態碼 表示請求成功 print(response) # 獲取數據, 獲取服務器返回響應數據```python # response.text 獲取文本數據<數據類型: 字符串> response.json() 獲取json字典數據<數據類型: 字典> print(response.json())

解析數據

— > 獲取數據是什麼樣的, 選擇最適合的解析方法 字典取值, 根據鍵值對提取數據內容
根據冒號左邊的內容[鍵], 提取冒號右邊的內容[值] —> 鍵值對取值 鍵值對與鍵值對之間用逗號隔開的

 image_list = response.json()['data']['page'] # 列表裡面 num = 1 for image in image_list: # 就可以把列表<裝東西盒子>裡面元素, 一個一個提取出來 img_url =image['image'] print(img_url)

保存數據

—> 同樣是需要對圖片url地址發送請求, 並且獲取它數據內容 response.content 獲取二進制數據

 img_content = requests.get(url=img_url, headers=headers).content # 保存數據, 保存圖片 shipin 音頻 特定格式文件<zip ppt..> 獲取二進制數據內容 # mode模式保存方式 wb w寫入 b二進制 wb以二進制方式進行寫入 with open(filename + chapter_title + str(num) + '.jpg', mode='wb') as f: f.write(img_content) num += 1

尾語

成功沒有快車道,幸福沒有高速路。
所有的成功,都來自不倦地努力和奔跑,所有的幸福都來自平凡的奮斗和堅持
——勵志語錄
本文章就寫完啦~感興趣的小伙伴可以 去試試
你們的支持是我最大的動力!!記得三連哦~ 歡迎大家閱讀往期的文章呀~

作者:魔王不會哭

游戲編程,一個游戲開發收藏夾~

如果圖片長時間未顯示,請使用Chrome內核浏覽器。


  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved