自用exhentai爬虫脚本,爬取搜索结果以及本子的元数据, 并整理有磁力链接的本子列表
- python: 3.12.2
- MongoDB 7.0.7 Community
- pymongo: 4.6.3
- requests: 2.31.0
-
ex_spider_list.py
- 根据搜索url获取本子列表, 每页的url存在
page_urls.csv
中, 每个本子的url存在loli_list.csv
中 - 需修改搜索链接url/cookies/代理proxies, 自行修改工作目录
- page/number初始是0, 如果程序中途执行失败, 将
page_urls.csv
最后一个序号填到page
里, 将loli_list.csv
最后一个序号填在number
里, 将page_urls.csv
最后一个url填到url
里
- 根据搜索url获取本子列表, 每页的url存在
-
ex_spider_one.py
- 获取单个本子的元数据, 存到mongodb里
- 需修改cookies/proxies, 自行修改工作目录
- 如果程序中断, 修改
start
的值为已爬取本子数, tqdm的总数自行修改(删掉也行)
-
deduplicate.py
- 数据库根据gid去重
-
add_missing.py
- 数据库比对
loli_list.csv
找出缺失, 并重新爬取数据
- 数据库比对
-
get_magnet.py
- 将数据库中具有磁力链接的本子挑出来, 生成表格
loli_magnet.csv
- 将数据库中具有磁力链接的本子挑出来, 生成表格