scrapy --爬取媒体文件示例详解
scrapy 图片数据的爬取
-
基于scrapy进行图片数据的爬取:
- 在爬虫文件中只需要解析提取出图片地址,然后将地址提交给管道
- 配置文件中写入文件存储位置:IMAGES_STORE = './imgsLib'
- 在管道文件中进行管道类的制定:
- 1.from scrapy.pipelines.images import ImagesPipeline
- 2.将管道类的父类修改成ImagesPipeline
- 3.重写父类的三个方法
-
校花网爬取示例
-
spider.py文件
import scrapy from imgspider.items import ImgspiderItem class ImgSpiderSpider(scrapy.Spider): name = 'img_spider' # allowed_domains = ['www.xxx.com'] start_urls = ['http://www.521609.com/daxuemeinv/'] url = 'http://www.521609.com/daxuemeinv/list8%d.html' pageNum = 1 def parse(self, response): li_list = response.xpath('//*[@id="content"]/div[2]/div[2]/ul/li') # 拼接图片url for li in li_list: print(self.pageNum) img_src = 'http://www.521609.com' + li.xpath('./a[1]/img/@src').extract_first() item = ImgspiderItem() item['src'] = img_src yield item if self.pageNum < 3: self.pageNum += 1 new_url = format(self.url % self.pageNum) yield scrapy.Request(new_url, callback=self.parse)
-
pipelines.py文件
import scrapy from imgspider.items import ImgspiderItem class ImgSpiderSpider(scrapy.Spider): name = 'img_spider' # allowed_domains = ['www.xxx.com'] start_urls = ['http://www.521609.com/daxuemeinv/'] url = 'http://www.521609.com/daxuemeinv/list8%d.html' pageNum = 1 def parse(self, response): li_list = response.xpath('//*[@id="content"]/div[2]/div[2]/ul/li') # 拼接图片url for li in li_list: print(self.pageNum) img_src = 'http://www.521609.com' + li.xpath('./a[1]/img/@src').extract_first() item = ImgspiderItem() item['src'] = img_src yield item if self.pageNum < 3: self.pageNum += 1 new_url = format(self.url % self.pageNum) yield scrapy.Request(new_url, callback=self.parse)
-
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
· AI与.NET技术实操系列(六):基于图像分类模型对图像进行分类