scrapy爬取图片保存到本地、且返回保存路径

1.ImagesPipeline简介

Scrapy用ImagesPipeline类提供一种方便的方式来下载和存储图片。

特点：

• 将下载图片转换成通用的JPG和RGB格式
• 避免重复下载
• 缩略图生成
• 图片大小过滤

---

2.ImagesPipeline工作流程

当使用图片管道 ImagePipeline,典型的工作流程如下:

• 在一个爬虫里,你抓取一个项目,把其中图片的URL放入image_urls组内。
• 项目从爬虫内返回,进入项目管道。
• 当项目进入ImagePipeline, image_urls组内的URLs将被Scrapy的调度器和下载器安排下载(这意味着调度器和中间件可以复用),当优先级更高,会在其他页面被抓取前处理. 项目会在这个特定的管道阶段保持"locker"的状态,直到完成图片的下载(或者由于某些原因未完成下载)。
• 当图片下载完, 另一个组(images)将被更新到结构中,这个组将包含一个字典列表,其中包括下载图片的信息,比如下载路径,源抓取地址(从image_urls组获得)和图片的校验码. images列表中的图片顺序将和源image_urls组保持一致.如果某个图片下载失败,将会记录下错误信息,图片也不会出现在images组中。

---

3.操作过程

项目目录结构：

这里写图片描述

<font size=5>要想成功爬取图片，需要经过以下几个步骤：

（1） 在items.py中添加image_urls、images和image_paths字段，代码如下：

class DoubanImgsItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    image_urls = Field()
    images = Field()
    image_paths = Field()

（2）在settings.py中设置条件和属性，代码如下：（一定要设置IMAGES_URLS_FIELD、IMAGES_RESULT_FIELDÿ