Python Scrapy爬虫,整站爬取妹子图

Python Scrapy爬虫,听说妹子图挺火,我整站爬取了,上周一共搞了大概8000多张图片。和大家分享一下。

项目地址:https://github.com/ZhangBohan/fun_crawler
标签:  Python  Scrapy  Github

代码片段(3)[全屏查看所有代码]

1. [图片] 0000.jpeg    

2. [代码]核心爬虫代码     

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# -*- coding: utf-8 -*-
from scrapy.selector import Selector
import scrapy
from scrapy.contrib.loader import ItemLoader, Identity
from fun.items import MeizituItem
 
 
class MeizituSpider(scrapy.Spider):
     name = "meizitu"
     allowed_domains = [ "meizitu.com" ]
     start_urls = (
         'http://www.meizitu.com/' ,
     )
 
     def parse( self , response):
         sel = Selector(response)
         for link in sel.xpath( '//h2/a/@href' ).extract():
             request = scrapy.Request(link, callback = self .parse_item)
             yield request
 
         pages = sel.xpath( "//div[@class='navigation']/div[@id='wp_page_numbers']/ul/li/a/@href" ).extract()
         print ( 'pages: %s' % pages)
         if len (pages) > 2 :
             page_link = pages[ - 2 ]
             page_link = page_link.replace( '/a/' , '')   
             request = scrapy.Request( 'http://www.meizitu.com/a/%s' % page_link, callback = self .parse)
             yield request
 
     def parse_item( self , response):
         l = ItemLoader(item = MeizituItem(), response = response)
         l.add_xpath( 'name' , '//h2/a/text()' )
         l.add_xpath( 'tags' , "//div[@id='maincontent']/div[@class='postmeta  clearfix']/div[@class='metaRight']/p" )
         l.add_xpath( 'image_urls' , "//div[@id='picture']/p/img/@src" , Identity())
 
         l.add_value( 'url' , response.url)
         return l.load_item()

3. [文件] fun_crawler-master.zip ~ 7KB     下载(826)     

  • 2
    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