爬取漫画-快看漫画网并拼接长图二

import os
import requests
from bs4 import BeautifulSoup
import re
import urllib
import time

header = {'Referer': 'http://www.kuaikanmanhua.com/', 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'}
# 访问网站的头，避免被认为爬虫的基本操作
dir = "E:\\download\\pengran\\"
# 某个漫画的第一话内容，或者说是你要爬取的起始那话的链接
url = "https://www.kuaikanmanhua.com/web/comic/10950/"
# url = "https://www.kuaikanmanhua.com/web/comic/157885/"
# 爬取的漫画网站网址，作为拼接时使用
half_url = "https://www.kuaikanmanhua.com"
# 全局变量，保证自己知道
n = 1
s = requests.session()
s.headers = header

# 获取图片的链接，此处的函数时获取网站图片的链接，因为设置到查找链接的条件，所以找到的链接全部都是本url的漫画图，返回的是一个图片的列表（数组）
def get_imageurl(url):
　　a = []
　　global s
　　html = s.get(url).text
　　soup = BeautifulSoup(html, 'html.parser')
　　img_links = soup.select('.kklazy')
　　for img_link in img_links:
　　　　a.append(img_link['data-kksrc'])
　　return a


# 获取下一话的一半网址，因为要和该网站的网址进行拼接才可以访问。基本上就是通过正则表达式找到下一话对应的链接
def get_next(url):
　　next = ""
　　con = requests.get(url)
　　content = BeautifulSoup(con.content, "lxml")
　　li = content.find_all("ul", class_="clearfix")
　　for i in range(len(li)):
　　　　if i == 1:
　　　　　　a = str(li[i].find_all("li")[-1])
# 通过正则表达式截取相应的字符
　　p = "\"/.+?\""
　　pattern = re.compile(p)
　　if len(pattern.findall(a)) == 0:
　　　　print("最后！")
　　else:
　　　　next = pattern.findall(a)[0]
　　next = str(next)[1:-1]
　　return next

# 创建保存图片的文件夹，逻辑基本上就是有则忽略，无则创建
def createpath(path):
　　flag = True
　　isExists = os.path.exists(path)
　　if not isExists:
　　　　os.makedirs(path)
　　else:
　　　　flag = False
　　return flag

# 保存图片，我们之前已经获得了一个图片的列表，所以此时我们可以访问指定的地址获取该图片并保存
def save_img(urllist, dir):
　　global s
　　global n
　　index = 0
　　count = 1
　　path = dir + "\\" + str(n)
　　createpath(path)
　　n += 1
　　for i in urllist:
　　# path = dir + "\\" + str(n)
　　　　if int(index/75) >= 1:
　　　　　　count += 1
　　　　path = dir + "\\" + str(n-1) + "-" + str(count)
　　index = 0
　　if not os.path.exists(path): os.makedirs(path)
　　　　img_name = str(index) + ".jpg"
　　　　image = path + "\\" + img_name
　　res = s.get(i)
　　with open(image, 'wb') as f:
　　　　f.write(res.content)
　　f.close()
　　index += 1
# time.sleep(0.2) # 自定义延时
　　return True

# print(get_next(url))

# 主函数，大家可以按照漫画的话数设置的循环，大家也可以根据是否可以获得下一话的链接来决定是否跳出循环。
if __name__ == "__main__":
nurl = url
for i in range(200):
nt = get_next(nurl)
if len(nt) == 0:
break
if i == 0:
lt = get_imageurl(url)
save_img(lt, dir)
else:
print("nurl", nurl)
nurl = half_url + nt
lt = get_imageurl(nurl)
save_img(lt, dir)
print("保存成功！")

拼接图片

import os
from PIL import Image
import cv2

# 定义输入的文件夹和输出的文件夹
dir = "E:\\download\\pengran\\"
sdir = "E:\\download\\xindong\\"
# 设置输出图像的宽度，当然也可以读取图像的
width = 750

# 合成图片，这里需要注意的是python读取列表的顺序是否和你想要的顺序是一样的
def creat_img(path, height, width, spath):
suh = 0
# suw = 0
imgs = [Image.open(os.path.join(path, str(i)+".jpg")) for i in range(len(os.listdir(path)))]
result = Image.new(imgs[0].mode, (width, height))
for i, img in enumerate(imgs):
pic_path = os.path.join(path, str(i)+".jpg")
im = cv2.imread(pic_path)
imh = im.shape[0]
result.paste(img, box=(0, suh))
suh += imh
# result.show()
result.save(spath)

# 获取要合并图片的总高度
def get_sunh(path):
sum_h = 0
dirlist = os.listdir(path)
for i in dirlist:
pic_path = os.path.join(path, i)
img = cv2.imread(pic_path)
img_h = img.shape[0]
sum_h += img_h
return sum_h

# 好像没用到
def createpath(path):
flag = True
isExists = os.path.exists(path)
if not isExists:
os.makedirs(path)
else:
flag = False
return flag

# 对于某个顺序，找到其类似的文件夹
def path_list(num):
pl = []
for i in range(1, 5):
if i == 1:
path = dir + str(num)
else:
path = dir + str(num) + "-" + str(i)
if os.path.exists(path): pl.append(path)
return pl

# 设置循环，分别合并图片
for i in range(1, 201):
list = path_list(i)
for j in list:
name = j.split("\\")[-1]
spath = os.path.join(sdir, str(name) + ".jpg")
print(spath)
height = get_sunh(j)
creat_img(j, height, width, spath)