爬虫综合案例-使用Scrapy爬取当当网的图片信息

warning: 这篇文章距离上次修改已过187天,其中的内容可能已经有所变动。

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

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日