用python爬虫爬取网页信息_爬虫python
【一、项目背景】
[蜜柑计划 – Mikan Project] ：新一代的动漫下载站。是一个专门为喜欢动漫的小伙伴们打造的动漫视频在线播放网站，为大家第一时间分享最新动漫资源，每日精选最优质的动漫推荐。
【二、项目目标】
实现获取动漫种子链接，并下载保存在文档。
【三、涉及的库和网站】
1、网址如下：
https://mikanani.me/Home/Classic/{}2、涉及的库：reques**ts、lxml、fake_useragent**
3、软件：PyCharm
【四、项目分析】
首先需要解决如何对下一页的网址进行请求的问题。可以点击下一页的按钮，观察到网站的变化分别如下所示：
https://mikanani.me/Home/Classic/1
https://mikanani.me/Home/Classic/2
https://mikanani.me/Home/Classic/3点击下一页时，每增加一页Classic/()自增加1，用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。
【五、反爬措施】
1、获取正常的 http请求头，并在requests请求时设置这些常规的http请求头。
2、使用 fake_useragent ，产生随机的UserAgent进行访问。
【六、项目实施】
1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。导入需要的库和网址。
import requests
from lxml import etree
from fake_useragent import UserAgent
class Mikan(object):
def __init__(self):
self.url = "https://mikanani.me/Home/Classic/{}"
def main(self):
pass
if __name__ == '__main__':
Siper = Mikan()
Siper.main()2、主方法（main）：for循环实现多个网页请求。
stat = int(input("start :"))
end = int(input(" end:"))
for page in range(stat, end + 1):
url = self.url.format(page)
print(url)3、 随机产生UserAgent。
for i in range(1, 50):
self.headers = {
'User-Agent': ua.random,
}4、发送请求 获取响应, 页面回调，方便下次请求。
def get_page(self, url):
res = requests.get(url=url, headers=self.headers)
html = res.content.decode("utf-8")
return html5、xpath解析一级页面数据,for循环遍历补全网址，获取二级页面网址。
parse_html = etree.HTML(html)
one = parse_html.xpath('//tbody//tr//td[3]/a/@href')
for li in one:
yr = "https://mikanani.me" + li6、二级页面请求 ，先找到页面父节点，for循环遍历，再用path获取到种子的下载地址。补全种子链接地址。
tow = parse_html2.xpath('//body')
for i in tow:
four = i.xpath('.//p[@class="episode-title"]//text()')[0].strip()
fif = i.xpath('.//div[@class="leftbar-nav"]/a[1]/@href')[0].strip()
# print(four)
t = "https://mikanani.me" + fif
print(t)7、保存在word文档 。
dirname = "./种子/" + four[:15] + four[-20:] + '.torrent'
# print(dirname)
html3 = requests.get(url=t, headers=self.headers).content
with open(dirname, 'wb') as f:
f.write(html3)
print("\n%s下载成功" % four)8、调用方法，实现功能。
html = self.get_page(url)
self.parse_page(html)【七、效果展示】
1、运行程序，在控制台输入起始页，终止页，如下图所示。
2、将下载成功的图片信息显示在控制台，如下图所示。
3、保存.torrent文档。
4、如何打开种子文件？先上传到百度云盘，如下图所示。
5、双击解析下载，如下图所示。
【八、总结】
1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。
2、本文章就python爬取Mikan Project，在下载种子的难点和重点，以及如何防止反爬，做出了相对于的解决方案。
3、介绍了如何去拼接字符串，以及列表如何进行类型的转换。
4、欢迎大家积极尝试，有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
5、Mikan Project还提供了星期的专栏。每一天都可以看到好看的动漫。专门为喜欢动漫的小伙伴们打造的动漫视频。
腾讯云开发者
