爬虫(scrapy中的ImagesPipeline)

Posted Sip

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫(scrapy中的ImagesPipeline)相关的知识,希望对你有一定的参考价值。

在使用ImagesPipeline对妹子图网站图片进行下载时,遇到302错误,页面被强制跳转。

解决办法如下:

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

# Define your item pipelines here
#
# Don‘t forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
from scrapy.pipelines.images import ImagesPipeline
import scrapy
class MeizituPipeline(object):
    def process_item(self, item, spider):
        return item

class download_pic_pipeline(ImagesPipeline):
    header = {
        User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWeb            Kit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.109 Safari/537.36,
        Referer: http://img.mmjpg.com/
    }
    def get_media_requests(self, item, info):
        for i in item[image_urls]:
            yield scrapy.Request(url= i,headers=self.header)

down_load_pic_pipeline类继承了ImagesPipeline类,我们重写get_meidia_requests方法,在请求图片时,加上一个hearders,多次尝试发现参数Referer是该网站用来反爬的关键点,我们添加这个参数,并设置为http://img.mmjpg.com/   ,运行后状态码为200,问题得到解决!

以上是关于爬虫(scrapy中的ImagesPipeline)的主要内容,如果未能解决你的问题,请参考以下文章

python网络爬虫之使用scrapy爬取图片

使用Scrapy自带的ImagesPipeline下载图片,并对其进行分类。

scrapy中下载文件和图片

Scrapy学习第七课

scrapy的大文件下载(基于一种形式的管道类实现)

python爬虫---scrapy框架爬取图片,scrapy手动发送请求,发送post请求,提升爬取效率,请求传参(meta),五大核心组件,中间件