通过scrapy内置的ImagePipeline下载图片到本地

Posted 2020-09-25 AttitudeY

1.通过scrapy内置的ImagePipeline下载图片到本地

2.获取图片保存本地的地址

1.通过scrapy内置的ImagePipeline下载图片到本地

1）在settings.py中打开 ITEM_PIPELINES 的注释，在  ITEM_PIPELINES 中加入

ITEM_PIPELINES = {

   \'spider_first.pipelines.SpiderFirstPipeline\': 300,
   \'scrapy.pipelines.images.ImagesPipeline\':5,   #后面的数字代表执行优先级 ，当执行pipeine的时候会按照数字由小到大执行 
}

2）settings.py中加入

IMAGES_URLS_FIELD ="image_url"  #image_url是在items.py中配置的网络爬取得图片地址
#配置保存本地的地址
project_dir=os.path.abspath(os.path.dirname(__file__))  #获取当前爬虫项目的绝对路径
IMAGES_STORE=os.path.join(project_dir,\'images\')  #组装新的图片路径

　还有很多设置有特殊需要的话可以用哦 （详情可以去imagepipeine源码查看）

   IMAGES_MIN_HEIGHT=100   #设定下载图片的最小高度

   IMAGES_MIN_WIDTH=100　　#设定下载图片的最小宽度

    ........

可能报错：

ModuleNotFoundError: No module named \'PIL\'

安装pillow库即可
pip install pillow

启动爬虫 ，即可images文件夹下看到下载的图片

 

2.获取图片保存本地的地址

1是下载图片，如果想获取图片保存本地的地址，则需要重写ImagesPipeline，并且在setting中调用重写的pipeline

#既然要重写，记得提前引入
from scrapy.pipelines.images import ImagesPipeline

class ArticleImagePipeline(ImagesPipeline):
# 重载ImagePipeline中的item_completed方法，获取下载地址
def item_completed(self, results, item, info):

　 for ok,value in results:   #通过断点可以看到图片路径存在results内

　　　　image_file_path=value[\'path\'] #将路径保存在item中返回

　　　　item[\'front_image_path\']=image_file_path
　　return item