[day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)
l> 我的新书《Android App开发入门与实战》已于2020年8月由人民邮电出版社出版,欢迎购买。点击进入详情
文章目录
- 1.开发环境
- 2.第三方库
- 3.Scrapy简介
- 4.Scrapy用法
- 1.安装
- 2.新建工程
- 3.运行工程
- 4.meinv.py
- 5.items.py
- 6.piplines.py
- 7.settings.py
- 5.效果
- 6.Github源码
前两篇文章我们介绍了通过传统的方式获取美女图片的方式:
[day1]python网络爬虫实战:爬取美女写真图片
[day2]python网络爬虫实战:爬取美女写真图片(增强版)
这次我们介绍一种新的获取图片或文件的方式:Scrapy。
1.开发环境
- IDE: PyCharm 2021.2.1 (Professional Edition)
- Python: 3.9.7
2.第三方库
- scrapy:网络请求
- lxml.etree:分析HTML特征,获取图片地址
3.Scrapy简介
Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中。
其最初是为了 页面抓取 (更确切来说, 网络抓取 )所设计的, 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。
4.Scrapy用法
1.安装
在pycharm中我们手动安装scrapy:
2.新建工程
我们可以在任意一个目录下创建工程。
- 新建工程
scrapy startproject meinv
提示:
You can start your first spider with:cd meinvscrapy genspider example example.com
- 生成模板工程
输入上述命令后,系统帮我们自动生成了一个scrapy项目的模板:
3.运行工程
terminal中输入:
scrapy crawl meinv
如果每次这么输入嫌麻烦,可以新建一个py文件,内容如下:
from scrapy import cmdline
cmdline.execute("scrapy crawl meinv".split())
4.meinv.py
每个项目的spider文件夹下有个主py文件,里面有个函数:
def parse(self, response):
response就是已经解析好的URL的网页源码,然后通过xpath分析网页的内容,获取图片列表。
5.items.py
自定义字段,用来存储一些信息。比如我们定义了一个image_url用来存储图片地址:
image_url = scrapy.Field()
6.piplines.py
piplines用来清洗数据之用。一般需要自定义一个pipline。
有几个函数是系统自带的,每个函数有各自的用法:
- file_path:用来定义保存的图片名
def file_path(self, request, response=None, info=None):
- get_media_requests:访问图片URL
通过yield scrapy.Request可以下载图片:
def get_media_requests(self, item, info):
- item_completed:图片下载结果
def item_completed(self, results, item, info):
7.settings.py
配置自定义的pipline和图片下载路径:
ITEM_PIPELINES = {'meinv.pipelines.MeinvPipeline': 300,
}
# 设置图片下载路径
IMAGES_STORE = 'C:\\meinv'
5.效果
6.Github源码
[day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)
欢迎关注我的技术公众号:国民程序员,我们的目标:输出干货
- 每天分享原创技术文章
- 海量免费技术资料和视频学习资源
- 分享赚钱门道,带领程序员走向财务自由
[day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)相关推荐
- [day2]python网络爬虫实战:爬取美女写真图片(增强版)
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.实现 1.分析url格 ...
- lofter 爬虫_Python网络爬虫1 - 爬取网易LOFTER图片
LOFTER是网易出品的优质轻博客,灵感源于国外的tumblr,但比之更加文艺,更加本地化.本人非常喜欢LOFTER的UI设计,以及其中的优质用户和内容,似乎网易并不擅长推广,所以受众并不广泛.这都是 ...
- [day1]python网络爬虫实战:爬取美女写真图片
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.实现 1.分析url格 ...
- Python 网络爬虫:爬取4K高清美图
爬取4K高清美图 这篇爬虫主要是用来爬取网站高清4K图片,这也是笔者学初学爬虫的时候最先写一个的爬虫脚本,现在回过头来重新梳理一下,也算是对从前知识的一个总结,希望对大家有所帮助! 文章目录 爬取4K ...
- Python网络爬虫:爬取并下载个性化签名图片 附GUI窗体版
Hello,大家好,我是wangzirui32,最近我开了个新的系列,是"Python网络爬虫"分类,还请大家多多支持! 今天,我们来学习如何爬取并下载个性化签名图片,开始学习吧! ...
- 【爬虫实战】10应用Python网络爬虫——定向爬取百度百科文字
python百度百科爬虫 网页源代码分析 编程实现 小结 网页源代码分析 首先找一下需要爬取的正文: 对应的源代码有两个地方: 上图往后翻会发现省略号,所以下面这张图才是我们需要爬取的部分: 编程实现 ...
- Python网络爬虫之爬取微博热搜
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资 ...
- Python网络爬虫:爬取CSDN热搜数据 并保存到本地文件中
hello,大家好,我是wangzirui32,今天我们来学习如何爬取CSDN热搜数据,并保存到Excel表格中. 开始学习吧! 学习目录 1. 数据包抓取 2. 编写代码 1. 数据包抓取 打开CS ...
- Python网络爬虫:爬取豆瓣上《小王子》书评
本文为南大<用Python玩转数据>学习笔记 用到的库或模块: 1.Requests第三方库 用于中小型网络爬虫的信息抓取. 基本方法: requests.get() 请求获取指定YRL位 ...
最新文章
- C++实现遍历链表一次求出中间的节点
- Rabbitmq如何保证消息顺序执行
- 2021-06-11 pytorch基本语法
- boost::sloan_ordering用法的测试程序
- Citrix xenapp
- input两种默认显示文字方式
- 《你的灯亮着吗》读后感1
- 【kafka】kafka offset 的存储 (存储zookeeper 与 存储 kafka)
- 简书留言频率限制机制
- dw中创建java程序_Java创建对象的过程简介
- iperf 的下载和使用
- 数字图像处理,图像配准SIFT算法 (Lowe的代码)
- subject 获取登录用户信息
- Hive 动态分区恢复静态分区表数据
- 电驴连接服务器显示无响应,请问使用电驴时,服务器无响应,怎么解决?
- Bill Gekas儿童摄影作品欣赏
- android 符号表情显示乱码,android输入框限制输入法中的表情符号
- Basketball Dribbling
- 了解OLE及ActiveX
- 【解决问题】The bean ‘admin-service.FeignClientSpecification‘ could not be registered.