Scrapy 中提供了可以专门处理下载的 Pipeline (项目管道),其中包括 Files Pipeline(文件管道) 以及 Images Pipeline(图像管道)。两种项目管道的使用方式相同,只是在使用 Images Pipeline (图像管道)时可以将所有下载的图片格式转换为 JPEG/RGB
格式以及设置缩略图。以继承 ImagesPipeline 类为例,可以重写以下三个方法:
- file_path():该方法用于返回指定文件名的下载路径,第一个 request 参数是当前下载对应的 request 对象。
- get_media_requests():该方法中的第一个参数为 Item 对象,这里可以通过 Item 获取 URL,然后将 URL 加入请求队列,等待请求。
- item_completed():当单个 Item 完成下载后的处理方法,通过该方法可以实现筛选下载失败的图片。该方法中的第一个参数 results 就是当前 Item 对应的下载结果,其中包含下载成功或失败的信息。
以下载京东外设的商品图片为例,使用 ImagesPipeline 下载图片的具体步骤如下:
(1) 在命令行窗口中通过命令创建名称为 ImagesDemo 的 Scrapy 项目,然后在该项目中的 spiders文件夹内创建 ImagesSpider.py 爬虫文件,接着打开 items.py 文件,在该文件中创建存储商品名称与图片地址的 Field() 对象。
代码如下&