python爬虫漫画源码分享

弱水三T

barnett2016 发表于 2020-3-12 18:47
[mw_shl_code=python,true]import requests
from lxml import etree
from PIL import Image

Traceback (most recent call last):
#   File "F:/untitled1/23123.py", line 29, in <module>
#     imgs[0].save('ydjd.pdf', save_all=True, append_images=imgs[1:])
# IndexError: list index out of range
这是为什么啊

barnett2016

[Python] 纯文本查看 复制代码

import requests
from lxml import etree
from PIL import Image
from io import BytesIO

url = "https://www.manhuatai.com/ydjd/" # 这里是那本漫画就换成那
headers = {
    "user-agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"
}
response = requests.get(url,headers=headers)
html = etree.HTML(response.text)   # 让源代码能够处理
lis = html.xpath('//ol[@id="j_chapter_list"]/li/a/div/img/@data-src')                 #可以拿到链接
imgs = []   # 用来保存正本漫画的
for li in lis:
    li = li.strip() # 去掉括号里面的内容
    # left = li.split("/")[:-1]
    # print(left)
    index = 1
    while  True:
        url  = "https:" + li + str(index) + ".jpg-mht.middle.webp"
        print(url)
        resp = requests.get(url,headers=headers)
        if resp.content.startswith(b"<?xml"):  # 返回的不是图片就停止
            break
        im = Image.open(BytesIO(resp.content))
        imgs.append(im)
        index += 1

imgs[0].save('ydjd.pdf',save_all=True,append_images=imgs[1:])
            # 这里的名字就是漫画的名字

我就是这样改了一下，脚本报上面那个错

卡莎

膜拜大老   快帮帮我

Silent丶Y

膜拜大老 先收藏

laogui2008

哈哈，感谢分享

GиY

作为一个刚入门的小白，刚看到标题时我觉得我应该能看懂一点，点进来之后发现，第一行是啥子...希望几个月后我也能自己写一个出来，加油！支持楼主一下！

小小小小小小鹿

可以换成其他的漫画网站爬不   楼主

cherrypi

谢谢分享，学习一下。

hang6210

虽然看不懂，先收藏

jayfox

你这下完再保存是不是会爆内存啊，应该及时储存

小小怪X

谢谢分享，收藏备用