Python Scraper无法刮取img s

Question

我无法从网站上抓取图片www.kissmanga.com. 我用的是Python3和Requests和Beautifulsoup库。刮掉的图像标签显示空白的“src”。在

源代码：

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()

我认为图像抓取是被阻止的，因为我相信网站使用了cloudflare。基于这个假设，我还尝试使用“cfscrape”库来获取内容。在

Answer 1

您需要等待JavaScript为图像注入html代码。在

有多种工具可以做到这一点，以下是其中一些工具：

• Ghost
• PhantomJS（Ghost Driver）
• Selenium

我能让它和硒一起工作：

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')

如果您还想下载这些图像，请参阅How to download image using requests。在

Answer 2

你试过设置custom user-agent吗？ 这样做通常被认为是不道德的，但刮漫画也是如此。在