python 管线原理图_Python Scrapy图片爬取原理及代码实例

1.在爬虫文件中只需要解析提取出图片地址，然后将地址提交给管道

在管道文件对图片进行下载和持久化存储

class ImgSpider(scrapy.Spider):

name = 'img'

# allowed_domains = ['www.xxx.com']

start_urls = ['http://www.521609.com/daxuemeinv/']

url = 'http://www.521609.com/daxuemeinv/list8%d.html'

pageNum = 1

def parse(self, response):

li_list = response.xpath('//*[@id="content"]/div[2]/div[2]/ul/li')

for li in li_list:

img_src = 'http://www.521609.com'+li.xpath('./a[1]/img/@src').extract_first()

item = ImgproItem()

item['src'] = img_src

yield item

2.配置文件修改

配置文件要增加IMAGES_STORE = './imgsLib'表明图片存放的路径

3.管道类的修改

原本管道类继承的object，处理item对象使用时process_item方法，该方法不能发送请求，要想对图片地址发送请求，需要继承ImagesPipeline类，然后重写该类中的三个方法:get_media_requests，file_path，item_completed

from scrapy.pipelines.images import ImagesPipeline

import scrapy

class ImgproPipeline(ImagesPipeline):

#对某一个媒体资源进行请求发送

#item就是接收到的spider提交过来的item

def get_media_requests(self, item, info):

yield scrapy.Request(item['src'])

#制定媒体数据存储的名称

def file_path(self, request, response=None, info=None):

name = request.url.split('/')[-1]

print('正在下载：',name)

return name

#将item传递给下一个即将给执行的管道类

def item_completed(self, results, item, info):

return item

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支。