cartoon-cat
小喵发现 tazhe.com 这个网站访问不了了。不知道之后会不会重新开放。那么这么项目暂时就不能正常工作了。。。 不过其他的漫画网站的结构其实和 tazhe漫画 是差不多的。大家可以参考博客,做一些小的修改就能爬取其他的网站了。
补充: 最近又发现了一个网站 36mh.com,正好有想看的一拳超人,于是乎就又改了一下这个工具,居然还可以用,哈哈。 只需要修改一下css选择器和结束判断,很爽!
漫画喵
使用selenium + PhantomJs搭建的简单漫画爬虫工具。
博客地址: https://www.miaoerduo.com/2017/02/19/cartoon-cat-client/
可以用于抓取 https://m.36mh.com 的漫画资源。(这个是手机版的页面,比较容易分析)
需要selenium和浏览器的支持。想试用的童鞋可以看看上述的博客,里面介绍了具体的环境要求。
使用:
在 https://m.36mh.com 上搜索漫画,例如:一拳超人
找到相应的漫画,进入。记住漫画的首页地址,这里是:https://m.36mh.com/manhua/yiquanchaoren/
参考demo.py,设置相应的参数:
#-*- coding: utf-8 -*-
import cartoon_cat as cc
if __name__ == '__main__':
site = 'https://m.36mh.com/manhua/yiquanchaoren/'
crawler = cc.CartoonCat(
site=site, # 漫画首页
begin=0, # 起始章节
end=-1, # 结束章节,为负数表明不设结束章节
save_folder='/path/to/download', # 保存路径,不存在会自动创建
browser=cc.BrowserType.PHANTOMJS, # 浏览器类型:FIREFOX,CHROME,SAFARI,IE,PHANTOMJS
driver='path/to/phantomjs') # 驱动程序路径,firefox不需要
# 其他的可以从 https://pypi.python.org/pypi/selenium 下载
crawler.start()