爬虫第二弹:千图网电商淘宝模板图片下载

爬虫第二弹:千图网电商淘宝模板图片下载
 一、功能分析:
1、下载千图网电商淘宝的所有模板图片要求是高清版本;
2、并按照主页面将图片归类文件夹。
 
二、思路分析:
1、利用scrapy构建scrapy startproject qtpjt,搭建项目,并通过scrapy genspider -t basic qtspd 58pic.com构建基本的爬虫文件;
2、通过item.py构建所有数据项;
3、setting.py将爬虫协议关闭,打开
ITEM_PIPELINES的组件
4、通过爬虫文件qtspd.py 做到提取需要录入数据库所有数据项的信息;
5、通过pipelines工具对数据项进行进一步的处理后下载图片到相应文件夹;

三、具体实现:
1、文件夹的实现:
1.1、通过在item建立
picfolder数据项,并通过在主页面item["picfolder"]=response.xpath("//em[@class='text-green-b']/text()").extract()获取文件夹名称信息。
1.2、并通过以下语句构建文件夹
folder = os.path.exists(
'C:\\Users\\leishen\\Documents\\anaconda3\\scrapy\\master python scrapy\\chapter 19\\pic' + '\\' + item["picfolder"][0])
if not folder:
os.mkdir(
'C:\\Users\\leishen\\Documents\\anaconda3\\scrapy\\master python scrapy\\chapter 19\\pic' + '\\' + item["picfolder"][0])
2、遍历的实现
2.1主页面遍历
for i in range(2,3):
#构造出下一页图片列表页的网址
nexturl="http://www.58pic.com/piccate/3-0-0-default-0_2_0_0_default_0-"+str(i)+".html"
yield Request(nexturl, callback=self.parse)
2.2对图片的链接的爬取:
首先通过item["link"]=response.xpath("//a[@class='thumb-box']/@href").extract() 获取每个图片主题的子链接;
然后通过该链接,顺利爬取高清模板图片的链接
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 Safari/537.36 SE 2.X MetaSr 1.0")opener = urllib.request.build_opener()
opener.addheaders = [headers]
# 将opener安装为全局
urllib.request.install_opener(opener)
for m in range(0, len(item["link"])):
    data = urllib.request.urlopen(item["link"][m]).read()
    paturl = '<img src="(http.*?)".*?show-area-pic'
    item["picurl"] = re.compile(paturl).findall(str(data))
    yield item 
3、图片的下载工作,该工作主要在pipelines.py下完成,主要利用urllib.request.urlretrieve()完成
class QtpjtPipeline(object):
    def process_item(self, item, spider):
        for j in range(0, len(item["picurl"])):
            picurl = item["picurl"][j]
            trueurl=picurl
            patlocal = "http://pic.qiantucdn.com/58pic/.*?/.*?/.*?/(.*?).jpg"
            picid=re.compile(patlocal).findall(str(trueurl))[0] + "-" + str(j)
            localpath="C:/Users/leishen/Documents/anaconda3/scrapy/master python scrapy/chapter 19/pic/" +item["picfolder"][0]+"/"+str(picid)+ ".jpg"
            urllib.request.urlretrieve(trueurl, filename=localpath)
        return item

项目总结
本项目主要学习两点,1图片的下载方法,2通过python语言自动构建文件夹。

阅读更多
个人分类: 爬虫
上一篇爬虫第一弹:安居客房地产数据爬虫
下一篇爬虫第三弹:图灵社区书籍信息爬取
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭