用scrapy框架爬取映客直播用户头像

Posted 2020-10-13 GreatAnt

1. 创建项目 scrapy startproject yingke cd yingke

2. 创建爬虫  scrapy genspider live

3. 分析http://www.inke.cn/hotlive_list.html网页的response，找到响应里面数据的规律，并找到的位置，通过response.xpath()获取到

4. 通过在pipline里面进行数据的清洗，过滤，保存

5. 实现翻页，进行下一页的请求处理

6. 运行爬虫 scrapy crawl live

说明：这个程序直接在parse方法里面进行图片保存，保存在本地，正常使用yield关键字进行在pipline中保存。

# -*- coding: utf-8 -*-
import scrapy
import re


class LiveSpider(scrapy.Spider):
    name = \'live\'
    allowed_domains = [\'inke.cn\']
    start_urls = [\'http://www.inke.cn/hotlive_list.html?page=1\']

    def parse(self, response):
        div_list = response.xpath("//div[@class=\'list_box\']")

        for div in div_list:
            item = {}
            img_src = div.xpath("./div[@class=\'list_pic\']/a/img/@src").extract_first()
            item["user_name"] = div.xpath(
                "./div[@class=\'list_user_info\']/span[@class=\'list_user_name\']/text()").extract_first()
            print(item["user_name"])
            yield scrapy.Request(  # 发送详情页的请求
                img_src,
                callback=self.parse_img,
                meta={"item": item}
            )
        # 下一页
        now_page = re.findall("page=(.*)", response.request.url)[0]
        now_page= int(now_page)

        next_url = "http://www.inke.cn/hotlive_list.html?page={}".format(str(now_page+ 1))
        yield scrapy.Request(
            next_url,
            callback=self.parse
        )

    def parse_img(self, response):
        user_name = response.meta["item"]["user_name"]

        with open("images/{}.png".format(user_name), "wb") as f:

            f.write(response.body)

运行效果：