C/C++教程

scrapy框架图片爬取

本文主要是介绍scrapy框架图片爬取,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

只需要将img的src的属性值进行解析,提交到管道,管道就会对图片的src进行请求发送获取图片的二进制类型的数据,且还会帮我们进行持久化存储

使用流程:

数据解析(图片的地址)

将存储图片地址的item提交到制定的管道类

import scrapy
from imgPro.items import ImgproItem


class ImgSpider(scrapy.Spider):
    name = 'img'
    # allowed_domains = ['www.xxx.com']
    start_urls = ['http://pic.netbian.com/4kmeinv/']

    def parse(self, response):
        div_list = response.xpath('//*[@id="main"]/div[3]/ul/li')
        for div in div_list:
            #注意:使用伪属性
            src = 'http://pic.netbian.com' + div.xpath('./a/img/@src').extract_first()
            item = ImgproItem()
            item['src'] = src

            yield item

在管道文件中自定制一个基于ImagesPipeLine的一个管道类

get_media_request

file_path

item_completed

from scrapy.pipelines.images import ImagesPipeline
import scrapy
class ImgproPipeline(ImagesPipeline):

    #就是可以根据图片地址进行图片数据的请求
    def get_media_requests(self, item, info):

        yield scrapy.Request(item['src'])

    #指定图片存储的路径
    def file_path(self, request, response=None, info=None):
        imgName = request.url.split('/')[-1]
        return imgName

    def item_completed(self, results, item, info):
        return item #返回给下一个即将被执行的管道类

在配置文件中:

指定图片存储的目录:IMAGES_STORE = './imgs_tupian'

指定开启的管道:自定制的管道类

这篇关于scrapy框架图片爬取的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!