python为在线漫画网站自制非官方API(未完待续)

http://beautifulsoup.readthedocs.org/zh_CN/latest/

http://cn.python-requests.org/zh_CN/latest/

http://dormousehole.readthedocs.org/en/latest/

http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

下面是搜索漫画API开始：

分析：

我选择的网站是：http://cnc.dm5.com（对于网站我只想说非常抱歉）
为什么选择这个网站，因为是我最常逛的在线漫画网站，仅此而已
接下来我们看一下它的搜索页面，当你在首页输入书名，点击搜索以后，URL会跳转
举个例子：
搜索“一拳超人”
结果页面如下：
http://www.dm5.com/search?title=一拳超人&language=1

这样我们就知道搜索结果页面，你可以手动将　一拳超人　改成你喜欢的漫画名，看到会不会跳转到那本漫画的搜索结果页上
但是结果页上内容太多了，并不只有我要的那本漫画，于是我又做了一件事，将中文改成pinyin

http://www.dm5.com/search?title=yiquanchaoren&language=1

结果页面上只有我需要的漫画，现在发现了拼音搜索会更精确
当我们知道这样就可以进入搜索页，那我们就可以分析这个页面，找到我们需要的信息
那么我们需要什么呢？
任何浏览器的F12都是强大的，在这个页面上按下F12，就是新世界的大门，哈哈哈......
定位元素，发现需要的信息是在　class="ssnrk"　中（友情提示，F12下的源码是解析JS以后的，想知道现实情况最后先输出在一个文件上看看）

#coding:utf-8
import requests

wfile = open('url.html','w')
r = requests.get('http://cnc.dm5.com/search?title=yiquanchaoren').content

wfile.write(r)

这是最简单的测试方法，将源码写进一个文件中，然后去文件中找有没有　class="ssnrk"　，如果存在以后就以文件的元素结构分析（以后的每一个页面最好都做一下这步）
现在发现文件中也有这个元素，OK，我们需要什么呢？漫画名和它的地址，当然你要图片也可以
我们发现class="ssnrk"元素下<div class="ssnr_yt"><dl><a href="/manhua-yiquanchaoren/" title="一拳超人"><img height="127" width="95" src="http://mhfm5.tel.cdndm5.com/11/10684/20150430155820_130x174_13.jpg" /></a></dl>里面包含了我们要的一切，名称，链接，图片
那么我们怎么得到这些有效信息呢？

#coding:UTF-8
import urllib2
from bs4 import BeautifulSoup
from bs4 import UnicodeDammit
import requests
import re
import json

#搜索结果页面URL
url='http://cnc.dm5.com/search?title=guanlangaoshou'
r = requests.get(url).content
soup = BeautifulSoup(r)

#找出所有class="ssnr_yt"元素，然后循环找出下面的a元素，放进找一个list中
ssjg_list=[]
for line in soup.find_all(class_="ssnr_yt"):
    ssjg_list.append(line.find('a'))

#循环将所有图片，URL，名称放进字典中
json_ss = {}
j_s=0
for line in ssjg_list:
    soup_a = BeautifulSoup(str(line))
    json_ss['title'+str(j_s)]=soup_a.a.get('title')#找出a元素title属性的值
    json_ss['url'+str(j_s)]=soup_a.a.get('href')#找出a元素hresf属性的值
    json_ss['img'+str(j_s)]=soup_a.a.img.get('src')#找出a元素下img元素src属性的值
    j_s=j_s+1

#以json形式输出
print json.dumps(json_ss,ensure_ascii=False,indent=2)

为什么这里搜索内容变成guanlangaoshou呢？
因为有些漫画真的有多个结果，比如这个guanlangaoshou ，就有四个
为什么URL是完整的，这样怎么具有搜索功能？
现在写的都是小零件和一步一步测试，等到最后会组装起来

目前只走了一小步，还有很多工作要做，不过十点了我要睡觉了，明天继续！（一定要多看文档，一定要多看文档，一定要多看文档，重要的事要说三遍，我吃这亏好几次）

版权声明：本文为博主原创文章，未经博主允许不得转载。