【Python网络蜘蛛 · 16】:Scrapy中使用selenium(以获取百度图片为例)

Scrapy中使用selenium


在这里插入图片描述

middlewares.py

在middlewares.py中自定义一个中间件
特别注意导入的模块:from scrapy.http import HtmlResponse

from selenium import webdriver
import time
from scrapy.http import HtmlResponse


options = webdriver.ChromeOptions()
options.add_argument('--headless')
driver = webdriver.Chrome(options=options)


class SeleniumMiddleware:
    def process_request(self, request, spider):
        driver.get('https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=index&fr=&hs=0&xthttps=111110&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=%E8%8A%B9%E8%8F%9C&oq=%E8%8A%B9%E8%8F%9C&rsp=-1')
        time.sleep(2)

        # 循环滚动
        for i in range(2):
            driver.execute_script('document.documentElement.scrollTop=10000')
            # sleep让滚动条反应
            time.sleep(0.5)

        # 获取网页源码
        text = driver.page_source

        return HtmlResponse(
            url=request.url,
            body=text,
            request=request,
            encoding='utf-8',
            status=200
        )

settings.py

在这里插入图片描述
在这里插入图片描述

bai_sele,py

注意:不要注释掉 allowed_domains、start_urls

import scrapy
from lxml import etree
import requests

class BaiSeleSpider(scrapy.Spider):
    name = 'bai_sele'
    allowed_domains = ['image.baidu.com']
    start_urls = ['https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=index&fr=&hs=0&xthttps=111110&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=%E8%8A%B9%E8%8F%9C&oq=%E8%8A%B9%E8%8F%9C&rsp=-1']

    def parse(self, response):
        # 获取每一个照片的跳转连接,并拼接链接
        img_link = response.xpath('//div[@class="imgbox-border"]/a/@href').getall()
        # 构建请求头
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36'
        }
        # 循环拼接跳转链接,并发送请求
        for index in range(len(img_link)):
            url1 = 'https://image.baidu.com' + img_link[index]
            # 对图片跳转链接发送请求
            res1 = requests.get(url1, headers=headers)
            # 转换成html元素
            html = etree.HTML(res1.text)

            # 获取图片url
            url2 = html.xpath('//div[@id="srcPic"]/div/img/@src')[0]

            # 向链接发送请求
            res = requests.get(url2, headers=headers)
            with open(f'F:/Python_project/Scrapy(CSDN)/Baidu_sele/Image/{"芹菜" + str(index)}.jpg', 'wb') as f:
                f.write(res.content)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

街 三 仔

你的鼓励是我创作的最大动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值