Selenium&PhantomJS实战二:爬取漫画

准备环境

一般来说在线看漫画的网站都会使用JavaScript来返回页面，打开百度搜索在线漫画，如下图:

目标网站: http://www.1kkk.com 极速漫画，选取一个漫画爬取 http://www.1kkk.com/manhua1963/

目标分析:

爬虫代码:

创建一个GetComic.py文件，代码如下:

from selenium import WEBdriver
from mylog import MyLog as mylog
import os
import time


class GetComic(object):
    def __init__(self):
        self.startUrl = 'Http://www.1kkk.com/ch223-85528/'
        self.log = mylog()
        self.browser = self.getBrowser()
        self.saveCartoon(self.browser)

    def getBrowser(self):
        try:
            browser = webdriver.Phantomjs()
            browser.get(self.startUrl)
            browser.implicitly_wait(20)
        except Exception as e:
            self.log.error('open the %s failed : %s' % (self.startUrl, e))
        else:
            return browser

    def saveCartoon(self, browser):
        cartoonTitle = browser.title.split('_')[0]
        self.createDir(cartoonTitle)
        os.chdir(cartoonTitle)
        sumPage = int(browser.find_element_by_xpath("//div[@class='chapterpager']/a[last()]").text)
        i = 1
        while i <= sumPage:
            imgName = str(i) + '.png'
            browser.get_screenshot_as_file(imgName)
            self.log.info('save img %s' % imgName)
            i += 1
            NextTag = browser.find_element_by_partial_link_text("下一页").click()
            browser.implicitly_wait(30)
            time.sleep(10)
        self.log.info('save img success')
        exit()

    def createDir(self, dirName):
        if os.path.exists(dirName):
            self.log.error('create directory %s failed, have a sane name file or directory' % dirName)
        else:
            try:
                os.makedirs(dirName)
            except Exception as e:
                self.log.error('create directory %s failed : %s' % (dirName, e))
            else:
                self.log.info('create directory %s success' % dirName)


if __name__ == '__main__':
    ST = GetComic()

mylog.py日志文件代码如下:

import logging
import getpass
import sys


# 定义MyLog类
class MyLog(object):
    def __init__(self):
        self.user = getpass.getuser()  # 获取用户
        self.logger = logging.getLogger(self.user)
        self.logger.setLevel(logging.DEBUG)

        # 日志文件名
        self.logfile = sys.argv[0][0:-3] + '.log'  # 动态获取调用文件的名字
        self.fORMatter = logging.Formatter('%(asctime)-12s %(levelname)-8s %(message)-12s\r\n')

        # 日志显示到屏幕上并输出到日志文件内
        self.logHand = logging.FileHandler(self.logfile, encoding='utf-8')
        self.logHand.setFormatter(self.formatter)
        self.logHand.setLevel(logging.DEBUG)

        self.logHandSt = logging.StreamHandler()
        self.logHandSt.setFormatter(self.formatter)
        self.logHandSt.setLevel(logging.DEBUG)

        self.logger.addHandler(self.logHand)
        self.logger.addHandler(self.logHandSt)

    # 日志的5个级别对应以下的5个函数
    def debug(self, msg):
        self.logger.debug(msg)

    def info(self, msg):
        self.logger.info(msg)

    def warn(self, msg):
        self.logger.warn(msg)

    def error(self, msg):
        self.logger.error(msg)

    def critical(self, msg):
        self.logger.critical(msg)


if __name__ == '__main__':
    mylog = MyLog()
    mylog.debug(u"I'm debug 中文测试")
    mylog.info(u"I'm info 中文测试")
    mylog.warn(u"I'm warn 中文测试")
    mylog.error(u"I'm error 中文测试")
    mylog.critical(u"I'm critical 中文测试")

运行主程序GetComic.py

Pycharm运行结果

生成目录和下载图片