51自学网 - 轻松自学从此开始!

51自学网

当前位置: 首页 > ps素材 > 美女图片 >

Scrapy爬取美女图片 (原创)

时间:2017-01-02 11:21来源:网络整理 作者:51自学网
有半个月没有更新了,最近确实有点忙。先是华为的比赛,接着实验室又有项目,然后又学习了一些新的知识,所以没有更新文章。为了表达我的歉意,我给大家来一波福利。。。 今天咱们说的是爬虫框架。之前我使用python爬取慕课网的视频,是根据爬虫的机制,自

  有半个月没有更新了,最近确实有点忙。先是华为的比赛,接着实验室又有项目,然后又学习了一些新的知识,所以没有更新文章。为了表达我的歉意,我给大家来一波福利。。。

Scrapy爬取美女图片 (原创)

  今天咱们说的是爬虫框架。之前我使用python爬取慕课网的视频,是根据爬虫的机制,自己手工定制的,感觉没有那么高大上,所以我最近玩了玩 python中强大的爬虫框架Scrapy

    

      Scrapy是一个用 Python 写的 Crawler Framework ,简单轻巧,并且非常方便。Scrapy 使用 Twisted 这个异步网络库来处理网络通讯,架构清晰,并且包含了各种中间件接口,可以灵活的完成各种需求。整体架构如下图所示:

Scrapy爬取美女图片 (原创)

  绿线是数据流向,首先从初始 URL 开始,Scheduler 会将其交给 Downloader 进行下载,下载之后会交给 Spider 进行分析,Spider 分析出来的结果有两种:一种是需要进一步抓取的链接,例如之前分析的“下一页”的链接,这些东西会被传回 Scheduler ;另一种是需要保存的数据,它们则被送到 Item Pipeline 那里,那是对数据进行后期处理(详细分析、过滤、存储等)的地方。另外,在数据流动的通道里还可以安装各种中间件,进行必要的处理。

     简要介绍了Scrapy的工作流程,咱们开始直奔主题,使用Scrapy爬取美女图片

 

       大家注意今天不是讲Scrapy基础教程,咱们在之后的七夜音乐台开发的时候会讲解。所以咱们今天直接上手。

 

      以 煎蛋网()为例:

Scrapy爬取美女图片 (原创)

    咱们来到煎蛋网首页,其中有一个栏目是妹子,今天的目标就是它。

Scrapy爬取美女图片 (原创)

 图片的分类是按页进行排列,咱们要爬取所有的图片需要模拟翻页

Scrapy爬取美女图片 (原创)

  打开火狐中的firebug,审查元素。

Scrapy爬取美女图片 (原创)

  

   这是咱们需要的图片链接,只要获取这个链接,进行下载就可以了

 

  咱们看看翻页后的链接是什么???

Scrapy爬取美女图片 (原创)

  

   咱们只要解析出红线圈出的这个标签,就可以知道下一页的链接了,就是这么简单。好了,这时候就可以写代码了。。。

 

  打开cmd,输入scrapy startproject jiandan,这时候会生成一个工程,然后我把整个工程复制到pycharm中(还是使用IDE开发快)。

Scrapy爬取美女图片 (原创)

上图就是工程的结构。

 

        jiandanSpider.py ------Spider 蜘蛛

 

        items.py -----------------对要爬取数据的模型定义

 

        pipelines.py-------------咱们最终要存储的数据

 

        settings.py----------------对Scrapy的配置

 

        接下来我把代码贴一下:

jiandanSpider.py: #coding:utf-8 import scrapy from jiandan.items import JiandanItem from scrapy.crawler import CrawlerProcess class jiandanSpider(scrapy.Spider): name = 'jiandan' allowed_domains = [] start_urls = ["http://jandan.net/ooxx"] def parse(self, response): item = JiandanItem() item['image_urls'] = response.xpath('//img//@src').extract()#提取图片链接 # print 'image_urls',item['image_urls'] yield item new_url= response.xpath('//a[@class="previous-comment-page"]//@href').extract_first()#翻页 # print 'new_url',new_url if new_url: yield scrapy.Request(new_url,callback=self.parse)

  

items.py : # -*- coding: utf-8 -*- import scrapy class JiandanItem(scrapy.Item): # define the fields for your item here like: image_urls = scrapy.Field()#图片的链接

  

pipelines.py: # -*- coding: utf-8 -*- import os import urllib from jiandan import settings class JiandanPipeline(object): def process_item(self, item, spider): dir_path = '%s/%s'%(settings.IMAGES_STORE,spider.name)#存储路径 print 'dir_path',dir_path if not os.path.exists(dir_path): os.makedirs(dir_path) for image_url in item['image_urls']: list_name = image_url.split('http://www.cnblogs.com/') file_name = list_name[len(list_name)-1]#图片名称 # print 'filename',file_name file_path = '%s/%s'%(dir_path,file_name) # print 'file_path',file_path if os.path.exists(file_name): continue with open(file_path,'wb') as file_writer: conn = urllib.urlopen(image_url)#下载图片 file_writer.write(conn.read()) file_writer.close() return item

  


(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容