使用scrapy框架爬取图片遇到的两种错误:
ValueError: Missing scheme in request url:
首先遇到这种情况有很多原因,有的冒号后面可能就是一个字母或字符,这是因为你提取的href图片链接在处理的时候出现问题,检查检查是否使用了for循环将你提取的链接字符串拆分了。然后我这种就是链接完整正常但是还是报这种错误,这是因为我忽略了加http:,这种链接放浏览器会自动加前缀,但scrapy不会自动加,所以需要自己加上。下面我放下我的代码
爬虫文件中parse方法
def parse(self, response):
for quote in response.css("a.view_img_link::attr(href)").getall():
items['image_urls'] = quote
yield items
next_page = response.css("div.comments a.previous-comment-page::attr(href)").get()
if next_page is not None:
yield response.follow(next_page, callback=self.parse)
管道文件中
import scrapy
from scrapy.pipelines.images import ImagesPipeline
class JiandanPipeline(ImagesPipeline):
def get_media_requests(self, item, info):
imag ="http:"+ item['image_urls']
yield scrapy.Request(imag)
TypeError: Request url must be str or unicode, got list
这种错误就是因为提示所说,url需要是str字符串类型,注意一下转化就行。可以通过内置方法type查看类型,这里放一个列表转字符串的方法
"".join(item['image_urls'])
最后说几个scrapy爬虫注意点,爬取时最好将robot协议关闭。我定义的setting.py中。当然可能你遇到的情况很可能跟我不同,所以这依然解决不了你的问题,很正常,这个问题我被困了几天,也没有博客解决我的问题,最主要的原因就是我们一般是通过b站,网盘或者其他的视频网站的学习资源来学习。而某些机构一般只会放出几年前的教学视频,可想而知,经过几年的技术迭代,会有一些不同。所以解决你问题最好的方法就是去GitHub上找官方文档,根据最新文档来学习。最后如果有问题请留言,口下留情
scrapy官方文档:https://docs.scrapy.org/en/latest/index.html
ROBOTSTXT_OBEY = False
IMAGES_URLS_FIELD = "image_urls"
ITEM_PIPELINES = {'scrapy.pipelines.images.ImagesPipeline': 1}
IMAGES_STORE = 'D:\\jiandan2'
MEDIA_ALLOW_REDIRECTS = True