Python Scraper 无法抓取 img src

Question

我无法从 www.kissmanga.com 网站上抓取图像。我正在使用 Python3 以及 Requests 和 Beautifulsoup 库。抓取的图像标签给出空白的“src”。

SRC：

from bs4 import BeautifulSoup
import requests

scraper = cfscrape.create_scraper()

url = "http://kissmanga.com/Manga/Bleach/Bleach-634--Friend-004?id=235206"

response = requests.get(url)

soup2 = BeautifulSoup(response.text, 'html.parser')

divImage = soup2.find('div',{"id": "divImage"})

for img in divImage.findAll('img'):
     print(img)

response.close()

我认为图像抓取被阻止，因为我相信该网站使用了 cloudflare。基于这个假设，我还尝试使用“cfscrape”库来抓取内容。

Answer 1

您需要等待

JavaScript

注入图像的

html

代码。

有多种工具可以做到这一点，以下是其中一些：

• 幽灵
• PhantomJS（幽灵驱动程序）
• 硒

我能够让它与 Selenium 一起工作：

from bs4 import BeautifulSoup

from selenium import webdriver
from selenium.common.exceptions import TimeoutException

driver = webdriver.Firefox()
# it takes forever to load the page, therefore we are setting a threshold
driver.set_page_load_timeout(5)

try:
    driver.get("http://kissmanga.com/Manga/Bleach/Bleach-634--Friend-004?id=235206")
except TimeoutException:
    # never ignore exceptions silently in real world code
    pass

soup2 = BeautifulSoup(driver.page_source, 'html.parser')
divImage = soup2.find('div', {"id": "divImage"})

# close the browser 
driver.close()

for img in divImage.findAll('img'):
    print img.get('src')

如果您也想下载这些图片，请参阅如何使用请求下载图片。

Answer 2

您是否尝试过设置自定义用户代理？ 这样做通常被认为是不道德的，但抄袭漫画也是如此。