漫画喵
使用selenium + PhantomJs搭建的简单漫画爬虫工具。
博客地址: http://www.miaoerduo.com/python/爬虫-漫画喵的100行逆袭.html
可以用于抓取 http://www.tazhe.com 的漫画资源。
使用:
在 http://www.tazhe.com 上搜索漫画,例如:犬夜叉
找到相应的漫画,进入。记住漫画的首页地址,这里是:http://www.tazhe.com/mh/8155/
参考demo.py,设置相应的参数:
#-*- coding: utf-8 -*-
import cartoon_cat as cc
if __name__ == '__main__':
site = 'http://www.tazhe.com/mh/8155/'
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()