40行代码带你免费看《海贼王-和之国》篇章

喜欢看海贼王的各位童鞋们，草帽一伙已经来到和之国啦，动漫在7月7号将会进入和之国篇章啦！

想提前看和之国篇章的同学可以先看一波漫画啦！

说到这里我有个打算，将网站上的所有和之国篇章的漫画全都down下来，然后打印成册，但是内容太多，估计要耗不少时间吧！

一个小时怕是真的不够。。。。。

那怎么办呢？

我们可以使用爬虫啊！

只需要request和re模块，全程不到40行代码！

我们就能轻松下载海贼王所有漫画，而且，速度超快！

来来来，是不是很心动？

咱们开始吧！

需要准备的模块，我们可以使用pip安装管理工具进行安装以下模块。

import os
import requests
import re
import time
from urllib.request import urlretrieve

首先，漫画网址：

https://one-piece.cn/comic/

我们查看一下网站的信息

我们看到和之国篇章正好id=“chapter12“，那我们的正则表达式就专门处理chapter12里面的<a>标签了。

首先制作获取chapter12里面的所有内容：

url = "https://one-piece.cn"
response = requests.get(url+"/comic")

pattern = re.compile('<div id="chapter12" class="chapter"'
 '.*?<a href="(.+)" target="_blank"', re.S)

result = pattern.findall(response.text)

获取好之后在当前的结果里将漫画内容链接的页面获取过来，这时候我们要在第一次匹配的结果上再去匹配url：

pattern2 = re.compile('<a href="(.*?)"', re.S)
result = pattern2.findall(result[0])

结果：

我们可以看到所有漫画的部分url已经获取到了。

这个时候我们只需要在原来url做拼接就可以了。

url = "https://one-piece.cn"

comic_page = requests.get(url + chapter)

进入这个页面之后我们要获取当前集数的所有漫画图片：

我们随便选一集，来看看图片是如何获取的：

首先我们需要通过正则表达式匹配图片的URL：

我们看到规律，所有的图片都在<img>标签下，我们只需要获取标签里面的src属性里面的内容就好了。

pattern = re.compile('<img alt=".*?" src="(.*?)"', re.S)

这样一个正则表达式就能解决页面上的图片，获取内容如下：

我们需要将这个图片地址转化成图片保存下来，这时候我们就需要用到urlretrieve这个方法了。

因为我们要获取当前页面上的所有图片，所以我们需要遍历下载这些图片：

for pic in range(len(com_url)):
 urlretrieve(com_url[pic], './海贼王{}集/{}.jpg'.format(dir[-3], pic))

urlretrieve这个方法有两个参数，第一个是获取图片的地址，第二个是存放的路径。

这样我们整个工作就算完成了。

下面我们来看看代码吧！

import os
import requests
import re
import time
from urllib.request import urlretrieve


def get_page(url):
 response = requests.get(url + "/comic")
 pattern = re.compile('<div id="chapter12" class="chapter"'
 '.*?<a href="(.+)" target="_blank"', re.S)
 pattern2 = re.compile('<a href="(.*?)"', re.S)
 result = pattern.findall(response.text)
 result = pattern2.findall(result[0])
return result


def get_pic(chapter):
 dir = chapter.replace("/", "")
print("url = ", url + chapter)
 comic_page = requests.get(url + chapter)
 pattern = re.compile('<img alt=".*?" src="(.*?)"', re.S)
 com_url = pattern.findall(comic_page.text)
print(com_url)
# 创建目录
 os.makedirs('./海贼王{}集/'.format(dir[-3]), exist_ok=True)
# 获取当前页面漫画上的所有图片
 for pic in range(len(com_url)):
 urlretrieve(com_url[pic], './海贼王{}集/{}.jpg'.format(dir[-3], pic))
print("海贼王和之国篇, 爬取第{}篇结束.....".format(dir[-3:]))


url = "https://one-piece.cn"
result = get_page(url)
print(result)
for chapter in result:
 time.sleep(2)
 get_pic(chapter)

当然如果要爬去其他章节的漫画需要将chapter改成其他数字哦，如果是要获取所有集数，那你的第一个正则表达式就需要重写啦！

大家可以点击阅读原文去github上看代码哟！

“喜欢就去GitHub上瞧瞧吧！”