Python爬取贴吧中的图片

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python爬取贴吧中的图片相关的知识,希望对你有一定的参考价值。

#看到贴吧大佬在发图,准备盗一下

#只是爬取一个帖子中的图片

1、先新建一个scrapy项目

  scrapy startproject TuBaEx

2、新建一个爬虫

  scrapy genspider tubaex https://tieba.baidu.com/p/4092816277

3、先写下items

  #保存图片的url
  img_url=scrapy.Field()

4、开始写爬虫

  

# -*- coding: utf-8 -*-
import scrapy
from TuBaEx.items import TubaexItem

class TubaexSpider(scrapy.Spider):
    name = "tubaex"
    #allowed_domains = ["https://tieba.baidu.com/p/4092816277"]
    baseURL="https://tieba.baidu.com/p/4092816277?pn="

    #拼接地址用 实现翻页
    offset=0
    #要爬取的网页
    start_urls = [baseURL+str(offset)]
    
    def parse(self, response):

        #获取最后一页的数字              
        end_page=response.xpath("//div[@id=‘thread_theme_5‘]/div/ul/li[2]/span[2]/text()").extract()
        #通过审查元素找到图片的类名,用xpath获取
        img_list=response.xpath("//img[@class=‘BDE_Image‘]/@src").extract()

        for img in img_list:
            item=TubaexItem()
            item[‘img_url‘]=img
            yield item

        url=self.baseURL

        #进行翻页
        if self.offset < int(end_page[0]): #通过xpath返回的是list
            self.offset+=1
            yield scrapy.Request(self.baseURL+str(self.offset),callback=self.parse)

5、使用ImagesPipeline,这个没什么说的,我也不太懂

# -*- coding: utf-8 -*-

import requests
from scrapy.pipelines.images import ImagesPipeline
from TuBaEx import settings

class TubaexPipeline(ImagesPipeline):

    def get_media_requests(self,item,info):
        img_link = item[img_url]
        yield scrapy.Request(img_link)

    def item_completed(self,results,item,info):
        images_store="C:/Users/ll/Desktop/py/TuBaEx/Images/"
        img_path=item[img_url]
        return item

6、配置下settings

IMAGES_STORE = C:/Users/ll/Desktop/py/TuBaEx/Images/
# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = ‘TuBaEx (+http://www.yourdomain.com)‘
USER_AGENT="User-Agent,Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50"
# Obey robots.txt rules
ROBOTSTXT_OBEY = False
#开启管道
ITEM_PIPELINES = {
    TuBaEx.pipelines.TubaexPipeline: 300,
}

7、执行

  scrapy crawl tubaex

8、收获果实

  技术分享

 



































以上是关于Python爬取贴吧中的图片的主要内容,如果未能解决你的问题,请参考以下文章

13-爬取百度贴吧中的图片(python+xpath)

Python爬取百度贴吧图片脚本

Python爬取百度贴吧图片脚本

Python爬虫爬取百度贴吧的图片

Python简易爬虫爬取百度贴吧图片

爬虫,爬取百度贴吧图片,未完善,请指教