python爬虫之scrapy文件下载

 我们在写普通脚本的时候,从一个网站拿到一个文件的下载url,然后下载,直接将数据写入文件或者保存下来,但是这个需要我们自己一点一点的写出来,而且反复利用率并不高,为了不重复造轮子,scrapy提供很流畅的下载文件方式,只需要随便写写便可用了。

 mat.py文件

 1 # -*- coding: utf-8 -*-
 2 import scrapy
 3 from scrapy.linkextractor import LinkExtractor
 4 from weidashang.items import matplotlib
 5 
 6 class MatSpider(scrapy.Spider):
 7     name = "mat"
 8     allowed_domains = ["matplotlib.org"]
 9     start_urls = ['https://matplotlib.org/examples']
10 
11     def parse(self, response):
       #抓取每个脚本文件的访问页面,拿到后下载
12 link = LinkExtractor(restrict_css='div.toctree-wrapper.compound li.toctree-l2') 13 for link in link.extract_links(response): 14 yield scrapy.Request(url=link.url,callback=self.example) 15 16 def example(self,response):
      #进入每个脚本的页面,抓取源码文件按钮,并和base_url结合起来形成一个完整的url
17 href = response.css('a.reference.external::attr(href)').extract_first() 18 url = response.urljoin(href) 19 example = matplotlib() 20 example['file_urls'] = [url] 21 return example

pipelines.py

1 class MyFilePlipeline(FilesPipeline):
2     def file_path(self, request, response=None, info=None):
3         path = urlparse(request.url).path
4         return join(basename(dirname(path)),basename(path))

settings.py

1 ITEM_PIPELINES = {
2    'weidashang.pipelines.MyFilePlipeline': 1,
3 }
4 FILES_STORE = 'examples_src'

items.py

class matplotlib(Item):
    file_urls = Field()
    files = Field()

 run.py

1 from scrapy.cmdline import execute
2 execute(['scrapy', 'crawl', 'mat','-o','example.json'])

 

转载于:https://www.cnblogs.com/lei0213/p/8098180.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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