锐客网

  1. 首页 > 睿知 > it技术 > >

scrapy爬取图片站

IT知识图片爬取图片

不操千曲而后晓声，观千剑而后识器。这篇文章主要讲述scrapy爬取图片站相关的知识，希望能为你提供帮助。
建个项目：
scrapy startproject  jiumiji
scrapy genspider image www.jiumiji.com
?
编辑image.py
用xpath提取我们需要的网站内容（图片标题以及链接）
import scrapy

from ..items import DemoItem


class ImageSpider(scrapy.Spider):
    name = image
    allowed_domains = [http://www.jiumiji.com]
    start_urls = [http://www.jiumiji.com]

    def parse(self, response):
        img_list=response.xpath("//div[@class=list-box col-s-960 clearfix ]/div")
        print(img_list)
        for img in img_list:
            item=DemoItem()
            item["title"]=img.xpath("./a/div[2]/span[2]/text()").extract_first()+.png
            item["img_urls"]=http:+img.xpath("./a/div[@class=image-box]/img/@data-original")[0].extract()
            yield item





编辑items.py
# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html

import scrapy


class DemoItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    title = scrapy.Field()
    img_urls = scrapy.Field()
    pass


编辑pipelines.py
from scrapy.pipelines.images import ImagesPipeline
import scrapy
import os


class DemoPipeline(ImagesPipeline):
    def get_media_requests(self, item, info):
        yield scrapy.Request(url=item[img_urls], meta=item: item)

    # 返回图片名称即可
    def file_path(self, request, response=None, info=None):
        item = request.meta[item]
        print(########, item)
        filePath = item[title]
        return filePath

    def item_completed(self, results, item, info):
        return item



修改setting文件
1.把管道打开：
ITEM_PIPELINES：项目管道，300为优先级，越低越爬取的优先度越高


2.其他：
BOT_NAME：项目名
LOG_LEVEL:屏蔽warning
USER_AGENT：默认是注释的，这个东西非常重要，不写容易被判断为电脑，简单点写一个Mozilla/5.0即可
ROBOTSTXT_OBEY：是否遵循机器人协议，默认是true，需要改为false，否则很多东西爬不了


开始爬虫：
【scrapy爬取图片站】scrapy crawl jiumiji

    推荐阅读


    上一篇：MA8601 pin√pin替代汤铭FE1.1s无须更改电路板|完美替代FE1.1s方案

    下一篇：（Message组件）