爬取汽车之家

import scrapy
from scrapy.linkextractors import LinkExtractor
from scrapy.spiders import CrawlSpider, Rule
from BWM3.items import Bwm3Item

class Bwm3GtSpider(CrawlSpider):
name = ‘bwm3_gt’
allowed_domains = [‘car.autohome.com.cn’]
start_urls = [‘https://car.autohome.com.cn/pic/series/2963.html’]

rules = (
    Rule(LinkExtractor(allow=r'https://car.autohome.com.cn/pic/series/2963.+'), callback='parse_item', follow=True),
)
# https://car.autohome.com.cn/pic/series/2963-1.html
# https://car.autohome.com.cn/pic/series/2963-10.html
# https://car.autohome.com.cn/pic/series/2963-3.html
# https://car.autohome.com.cn/pic/series/2963-12.html
def parse_item(self, response):
    # 类别
    catagory = response.xpath('//div[@class="uibox"]/div[1]/text()').get().strip()
    if catagory == '':
        pass
    else:
        catagory = catagory

        # 图片网址
        a_url = response.xpath('//div[@class="uibox"]/div[2]/ul/li/a/img/@src').getall()
        # img_urls = []
        # for i in a_url:
        #     # response.urljoin 表示根据需要填充 URL、
        #     # imgs = 'https:' + i
        #     imgs = response.urljoin(i)
        #     img_urls.append(imgs)
        # 一行代码代替多行
        img_urls = list(map(lambda x:response.urljoin(x.replace('240x180_0_q95_c42_','')),a_url))
        # print(catagory)
        # print(img_urls)
        # print('=========')
        # 映射
        yield Bwm3Item(catagory=catagory,img_urls=img_urls)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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