scrapy 爬取图片 最基本操作

使用scrapy里自带的Image功能下载,下面贴代码，解释在代码的注释里。

 

items.py

1 import scrapy
2 
3 class ImageItem(scrapy.Item):
4     #注意这里的item是ImageItem

5     image_urls = scrapy.Field()
6     images = scrapy.Field()
7 
8 #image_urls和images是固定的,不能改名字

 

settings.py

 1 USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36'
 2 #上面只是个访问header，加个降低被拒绝的保险
 3 
 4 ITEM_PIPELINES = {
 5     'scrapy.pipelines.images.ImagesPipeline': 1
 6 }
 7 #打开Images的通道
 8 
 9 IMAGES_STORE = 'F:\\pics'
10 #一定要设置这个存储地址，要是真实的硬盘，可以不创建pics文件夹，会自己生成，还生成默认的full文件夹

 

 spider.py(这里是carhome） 

 1 import scrapy
 2 
 3 from car.items import ImageItem
 4 
 5 class CarhomeSpider(scrapy.Spider):
 6     name = 'carhome'
 7     allowed_domains = ['sohu.com']
 8     start_urls = ['http://www.sohu.com/a/337634404_100032610']
 9     download_delay = 1
10 
11     def parse(self, response):
12         item = ImageItem()
13         srcs = response.css('.article img::attr(src)').extract() #用css方法找到的所有图片地址
14         item['image_urls'] = srcs
15         yield item

 

pipelines.py 

 1 from scrapy.pipelines.images import ImagesPipeline
 2 from scrapy.exceptions import DropItem
 3 from scrapy.http import Request
 4 #这里的两个函数get_media_requests和item_completed都是scrapy的内置函数，想重命名的就这这里操作
 5 #可以直接复制这里的代码就可以用了
 6 class MyImagesPipeline(ImagesPipeline) :
 7     def get_media_requests(self, item, info) :
 8         for image_url in item['image_urls'] :
 9             yield Request(image_url)
10 
11     def item_completed(self, results, item, info) :
12         image_path = [x['path'] for ok, x in results if ok]
13         if not image_path :
14             raise DropItem('Item contains no images')
15         item['image_paths'] = image_path
16         return item

 代码就这么多，下面执行一下：

 

 文件夹结果：

 

 还不会的快去试试吧！

 

 

 

 

posted @ 2019-09-02 21:34  再次路过之  阅读(1890)  评论(0)  编辑  收藏  举报