爬虫综合案例-使用Scrapy爬取当当网的图片信息

以下是一个使用Scrapy框架爬取当当网图片信息的示例代码:

首先,创建一个Scrapy项目:




scrapy startproject dangdang_images
cd dangdang_images

然后,定义Item来存储爬取的数据:




# items.py
import scrapy
 
class DangdangImageItem(scrapy.Item):
    # 图片链接
    image_urls = scrapy.Field()
    # 图片下载后的保存路径
    image_paths = scrapy.Field()

接着,编写爬虫:




# spiders/dangdang_spider.py
import scrapy
from ..items import DangdangImageItem
 
class DangdangSpider(scrapy.Spider):
    name = 'dangdang'
    allowed_domains = ['dangdang.com']
    start_urls = ['http://category.dangdang.com/pg1-cid4002135.html']
 
    def parse(self, response):
        for product in response.css('ul.bigimg li'):
            item = DangdangImageItem()
            # 提取图片链接
            image_urls = product.css('img::attr(src)').extract()
            item['image_urls'] = image_urls
            yield item
 
        # 提取下一页链接并进行爬取
        next_page = response.css('div.paging_next a::attr(href)').extract_first()
        if next_page:
            next_page = response.urljoin(next_page)
            yield scrapy.Request(next_page, callback=self.parse)

最后,设置PIL和Scrapy图片管道以下载图片:




# pipelines.py
import os
from scrapy.pipelines.images import ImagesPipeline
from scrapy.exceptions import DropItem
 
class DangdangImagesPipeline(ImagesPipeline):
    def get_media_requests(self, item):
        for image_url in item['image_urls']:
            yield scrapy.Request(image_url)
 
    def item_completed(self, results, item, info):
        image_paths = [x['path'] for ok, x in results if ok]
        if not image_paths:
            raise DropItem('All images failed downloading.')
        item['image_paths'] = image_paths
        return item
 
    def file_path(self, request, response=None, info=None):
        image_guid = request.url.split('/')[-1]
        image_name = os.path.basename(image_guid)
        return 'full/{0}'.format(image_name)

settings.py中启用和配置图片管道以及图片存储路径:




ITEM_PIPELINES = {
    'dangdang_images.pipelines.DangdangImagesPipeline': 1,
}
 
IMAGES_STORE = 'path_to_your_images_directory'

以上代码实现了一个简单的Scrapy爬虫,用于爬取当当网产品页面的图片链接,并通过Scrapy的图片管道下载这些图片。这个案例展示了如何使用Scrapy爬取图片并保存到本地

none
最后修改于:2024年08月19日 09:33

评论已关闭

推荐阅读

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日