V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
RqPS6rhmP3Nyn3Tm
V2EX  ›  Python

第一次写 Python 爬虫,是用来抓漫画的

  •  1
     
  •   RqPS6rhmP3Nyn3Tm · 2015-12-24 17:14:06 +08:00 · 8762 次点击
    这是一个创建于 3255 天前的主题,其中的信息可能已经有所发展或是发生改变。

    自觉写得很烂,放上来听听各位大神的意见。
    https://github.com/XIAZY/ComicFetcher.git

    动机是因为想看的漫画没有打包好的,就只能写一个了。目前处于_只是能用_的状态。
    img

    56 条回复    2016-07-24 20:04:00 +08:00
    broono
        1
    broono  
       2015-12-24 17:34:12 +08:00
    666 今晚看看学习学习😂
    Earthman
        2
    Earthman  
       2015-12-24 17:35:04 +08:00
    楼主有空的话把其他的 ACG 站也抓一下吧,圣诞节迎来一波关闭潮。
    TJT
        3
    TJT  
       2015-12-24 17:36:51 +08:00 via Android
    我也写过一个爬虫来收集工口漫画的,还能识别是黑白的还是彩色的,大概收集了一万多部,写得太烂就不贴出来了😂
    动机?
    RqPS6rhmP3Nyn3Tm
        4
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 17:37:32 +08:00
    @Earthman 为啥会关闭?
    scenix
        5
    scenix  
       2015-12-24 17:37:58 +08:00
    @TJT 我能说我写过 1024 的爬虫么?还能自动导出 PDF 存到 360 云盘。。。
    RqPS6rhmP3Nyn3Tm
        6
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 17:38:29 +08:00
    @broono 写得很烂,可能会误入岐途……
    还是多看看大神的代码吧
    RqPS6rhmP3Nyn3Tm
        7
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 17:39:55 +08:00
    @TJT 动机非常健康……
    TJT
        8
    TJT  
       2015-12-24 17:40:46 +08:00 via Android
    @scenix 我在草榴有两篇精品贴,你可以猜猜我是谁😄
    WildCat
        9
    WildCat  
       2015-12-24 17:42:12 +08:00
    自己用 scrapy + py2.7 发现好多字符集报错的地方无法定位。。。有空还是不用 scrapy 了
    scenix
        10
    scenix  
       2015-12-24 17:44:07 +08:00   ❤️ 1
    @TJT 大神啊!手下我的膝盖
    TJT
        11
    TJT  
       2015-12-24 17:50:18 +08:00 via Android
    @scenix 都是人(yin)才😂
    Allianzcortex
        12
    Allianzcortex  
       2015-12-24 17:51:41 +08:00
    写的代码挺好的啊:-) 分工也很合理
    xingo
        13
    xingo  
       2015-12-24 17:55:48 +08:00
    利用闲暇时间乱写了 win 下一个利用 pixiv 移动端 API 的实现_(:3 」∠)_求轻拍,欢迎维护(。

    https://blog.xingoxu.com/2015/12/PixInTouch/
    RqPS6rhmP3Nyn3Tm
        14
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 18:08:27 +08:00
    @Allianzcortex 真的吗好感动
    holy_sin
        15
    holy_sin  
       2015-12-24 18:12:59 +08:00
    @TJT 不会是东尼吧
    zhao511117
        16
    zhao511117  
       2015-12-24 18:14:20 +08:00
    求教, python 爬虫入门看什么比较好?直接学框架吗?
    RqPS6rhmP3Nyn3Tm
        17
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 18:15:46 +08:00
    @zhao511117 我觉得直接学框架吧,毕竟 Python 还是要快速开发
    FrozenYogurtPuff
        18
    FrozenYogurtPuff  
       2015-12-24 18:18:42 +08:00
    @BXIA 最近轻国被 jc 抓了 据说是腾讯举报的。。。
    TJT
        19
    TJT  
       2015-12-24 18:22:37 +08:00 via Android
    @holy_sin 他发的贴都会自动加精,和站长关系挺好的
    kepenj
        20
    kepenj  
       2015-12-24 18:32:57 +08:00
    @TJT 滴滴~老司机求带
    kepenj
        21
    kepenj  
       2015-12-24 18:34:01 +08:00
    二次元友人,手动点赞
    RqPS6rhmP3Nyn3Tm
        22
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 18:37:03 +08:00
    @FrozenYogurtPuff 那个据说是站长作死,把元老都赶出去了……
    Andy1999
        23
    Andy1999  
       2015-12-24 18:45:21 +08:00 via iPhone
    老司机愿意一起做 ACG 站吗
    Earthman
        24
    Earthman  
       2015-12-24 18:49:54 +08:00
    @FrozenYogurtPuff 腾讯的新闻写的是广州角川举报
    xuzywozz
        25
    xuzywozz  
       2015-12-24 18:50:56 +08:00
    前段时间用了 scrapy 感觉还挺不错的
    RqPS6rhmP3Nyn3Tm
        26
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 18:56:36 +08:00
    @Andy1999 想倒是想,就是水平不够
    做站基本就是 wordpress 的水平
    Andy1999
        27
    Andy1999  
       2015-12-24 19:07:32 +08:00 via iPhone
    @BXIA join us http://jq.qq.com/?_wv=1027&k=blPpWN
    We need someone write python
    caixiexin
        28
    caixiexin  
       2015-12-24 19:13:12 +08:00 via Android
    年初用 py2.x 写过一个爬爱漫画网站的,下下来放电纸书看,结果到现在只看完一本 233333

    lz 加油, mark
    holy_sin
        29
    holy_sin  
       2015-12-24 19:27:11 +08:00
    @TJT 搜迪斯噶
    bdbai
        30
    bdbai  
       2015-12-24 19:32:23 +08:00 via iPhone
    @Andy1999 为什么你这句话各种违和呢。
    @BXIA 很佩弧你第一次写爬虫写这么好。这是我用 Python 写的第一个脚本,用来抓微博图片的。不能更丑了。
    https://github.com/bdbai/weibopic-crawler
    icedx
        31
    icedx  
       2015-12-24 19:36:11 +08:00
    https://gist.github.com/anonymous/c95fd30a078b74e83e32

    这个是我写的 抓取 DMZJ 的日漫 本来是想作为插件的...
    但是一直写不好插件化的架构
    放出来互相学习一个😋
    这个是学习 Python 一周的早期作品 PEP8 什么的完全不知道 23333333333
    icedx
        32
    icedx  
       2015-12-24 19:37:49 +08:00
    @icedx 附: 上面的脚本需要 PATH 里有 node
    Bryan0Z
        33
    Bryan0Z  
       2015-12-24 19:43:21 +08:00 via Android
    I completely understand that English-speaking people won't use this crawler. Just scroll down for Chinese explanation.
    为什么总感觉楼主在卖萌 2333
    limbo0
        34
    limbo0  
       2015-12-24 20:44:30 +08:00
    海贼, 哈哈

    ```
    '海賊王(\d+)集','/vols/(\d+)/

    http://comic.ck101.com/comic/170/1/0/1
    ```
    mio4kon
        35
    mio4kon  
       2015-12-24 20:45:47 +08:00
    @TJT 求个码啊。。
    limbo0
        36
    limbo0  
       2015-12-24 20:46:25 +08:00
    不知道封不封 IP 啊 可以改个多线程下
    FrozenYogurtPuff
        37
    FrozenYogurtPuff  
       2015-12-24 20:49:10 +08:00
    @Earthman 想想看 角川在国内和谁合作啊
    binux
        38
    binux  
       2015-12-24 21:28:52 +08:00
    那, 既然 README 说要按格式写出正则, 那至少把可配置的部分独立出来, 好让人知道在哪改吧, 不然还得看代码.
    然后既然可以配置了, 不可能每次配置复制一份代码吧, 所以把它做成类, 把参数传进去可好.
    RqPS6rhmP3Nyn3Tm
        39
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 21:43:03 +08:00 via iPad
    @binux 有点没理解。就是说把正则匹配的那块做成类暴露给用户?
    binux
        40
    binux  
       2015-12-24 21:45:39 +08:00
    @BXIA 啊, 居然是 input() 读入的... 好吧.. 也行吧..
    RqPS6rhmP3Nyn3Tm
        41
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 21:48:18 +08:00 via iPad
    @binux 本来是想直接用命令行参数的,后来发现会被 bash 吃掉……
    binux
        42
    binux  
       2015-12-24 21:49:29 +08:00
    @BXIA 配置文件也可以啊, 还可以保存起来重复利用.
    RqPS6rhmP3Nyn3Tm
        43
    RqPS6rhmP3Nyn3Tm  
    OP
       2015-12-24 21:52:00 +08:00 via iPad
    @binux 对哦有道理
    谢谢巨巨
    Pythagodzilla
        44
    Pythagodzilla  
       2015-12-24 22:05:27 +08:00
    这么多人写过漫画爬虫啊 = =
    咱也贴一个自己写的 https://github.com/juiceyang/MangaSpider
    目前用这个爬了一拳超人和女仆咖啡厅,感觉效果还不错。
    TJT
        45
    TJT  
       2015-12-25 07:52:09 +08:00
    zqhong
        46
    zqhong  
       2015-12-25 09:20:14 +08:00
    @Andy1999 会一点 Python & PHP ,收不收呢?感觉挺有意思的。😂
    Andy1999
        47
    Andy1999  
       2015-12-25 09:22:12 +08:00 via iPhone
    xavierskip
        48
    xavierskip  
       2015-12-25 10:31:02 +08:00
    哈,我以前写过一爬虫,用来爬虎扑相册上的图片。后来我把灌篮高手传到虎扑上去,然后就利用虎扑做图床做了个站点,在线看灌篮高手了。哈
    zengyu
        49
    zengyu  
       2015-12-25 12:57:31 +08:00
    mark
    ljdawn
        50
    ljdawn  
       2015-12-25 13:15:00 +08:00
    @TJT 大神,请手下我的膝盖
    samael
        51
    samael  
       2015-12-25 13:42:06 +08:00
    嗯... 都是爬本子
    aceseo
        52
    aceseo  
       2015-12-25 16:43:00 +08:00
    楼主你可以的~
    annielong
        53
    annielong  
       2015-12-25 17:01:47 +08:00
    爬过几十个 G 的 H 漫画,结果一个也没看
    qnnnnez
        54
    qnnnnez  
       2015-12-25 20:13:07 +08:00 via iPhone
    哈哈我也有一个
    https://github.com/qnnnnez/e-spider
    不过代码写得挺乱的
    cyneuzk
        55
    cyneuzk  
       2015-12-28 22:37:45 +08:00
    @scenix 也刚写了一个,不过是用来下种子的
    k1wangziyu
        56
    k1wangziyu  
       2016-07-24 20:04:00 +08:00
    虽然知道这是坟贴,但我想问一句,似乎每个人都说自己学了一周就搞出来个什么什么
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1156 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 38ms · UTC 18:30 · PVG 02:30 · LAX 10:30 · JFK 13:30
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.