scrapy的大文件下载(基于一种形式的管道类实现)

Posted 朱凡宇

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scrapy的大文件下载(基于一种形式的管道类实现)相关的知识,希望对你有一定的参考价值。

scrapy的大文件下载(基于一种形式的管道类实现)

  • 爬虫类中将解析到的图片地址存储到item,将item提交给指定的管道

  • 在管道文件中导包:from scrapy.pipelines.images import ImagesPipeline

  • 基于ImagesPipeline父类,自定义一个管道类

    • 重写管道类中的如下三个方法:

      from scrapy.pipelines.images import ImagesPipeline
      import scrapy
      
      class ImgporPipeline(ImagesPipeline):
          #指定文件存储的目录(文件名)
          def file_path(self,request,response=None,info=None):
              #接受mate
              item = request.meta['item']
              return item['img_name']
          #对指定资源进行请求发送
          def get_media_requests(self,item,info):
              #meta可以传递给file_path
              yield scrapy.Request(item['img_src'],meta={'item':item})
      
          #用于返回item,将item传递给下一个即将被执行的管道类
          def item_completed(self,request,item,info):
              return item
      

      settings.py文件中

      #指定文件存储的目录
      IMAGES_STORE = './imgs'

      爬虫文件

      import scrapy
      from imgPor.items import ImgporItem
      
      class ImgSpider(scrapy.Spider):
          name = 'img'
          # allowed_domains = ['www.xxx.com']
          start_urls = ['http://www.521609.com/daxuemeinv/']
      
          def parse(self, response):
              li_list = response.xpath('//*[@id="content"]/div[2]/div[2]/ul/li')
              for li in li_list:
                  img_src = 'http://www.521609.com' + li.xpath('./a[1]/img/@src').extract_first()
                  img_name = li.xpath('./a[2]/b/text() | ./a[2]/text()').extract_first() + '.jpg'
                  print(img_name)
                  item = ImgporItem()
                  item['img_src'] = img_src
                  item['img_name'] = img_name
                  yield item

以上是关于scrapy的大文件下载(基于一种形式的管道类实现)的主要内容,如果未能解决你的问题,请参考以下文章

基于scrapy-redis两种形式的分布式爬虫

爬虫学习 17.基于scrapy-redis两种形式的分布式爬虫

基于scrapy-redis两种形式的分布式爬虫

17,基于scrapy-redis两种形式的分布式爬虫

分布式爬虫

分布式爬虫部署 基于scrapy和scrapy-redis