python爬蟲的圖片信息爬取

上一篇博客已經講述了對文本信息的爬取，本章將詳細說一下對圖片信息的爬取。

首先先看一下項目的目錄：

 

老規矩，根據代碼頁進行講解：(本次只針對一個頁面進行講解，多頁面爬取只需解除註釋便可)

kgcspider.py

# -*- coding: utf-8 -*-
import scrapy from kgc.items import *


class KgcspiderSpider(scrapy.Spider): name = 'kgcspider'
    #allowed_domains = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml']
    start_urls = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml'] def parse(self, response): #print(response.body.decode())
        title = response.css('a.yui3-u.course-title-a.ellipsis::text').extract() price=response.css('div.right.align-right>span::text').extract() persons=response.css('span.course-pepo::text').extract() image_urls=response.css('a.kgc-w>img::attr("src")').extract() #print(title)
        datas=zip(title,price,persons,image_urls) for d in datas: item=KgcItem() item['title']=d[0] item['price']=d[1] item['persons']=d[2] item['image_urls']=[d[3]] yield item # next_url=response.css('li.next>a::attr("href")').extract_first()
        #         # if next_url is not None:
        # yield response.follow(next_url,self.parse)

精解：對於以前的文本內容的爬取代碼保持不變，增長的圖片的爬取路徑image_urls,也對其進行循環輸出，而且放到item中。

item.py

import scrapy class KgcItem(scrapy.Item): # define the fields for your item here like:
    # name = scrapy.Field()
    title=scrapy.Field() price=scrapy.Field() persons=scrapy.Field() image_urls=scrapy.Field() images=scrapy.Field()

精解：在實體類item中，加入存儲的field，而且對圖片images進行存取。images存儲的時圖片的一些存儲路徑path，爬取路徑URL等，後期能夠根據path查詢圖片。

piplines.py

class KgcPipeline(object): def open_spider(self,spider): #當蜘蛛啓動時自動執行
        self.file=open("/home/yzhl/IdeaProjects/kgc/kgc.csv","w",encoding='utf8') def process_item(self, item, spider): #蜘蛛每yild一個item，執行一次
        line=item["title"]+","+item["price"]+','+item["persons"]+','+item["images_urls"]+'\n' self.file.write(line) return item def close_spider(self,spider): #蜘蛛完成工做關閉執行
        self.file.close()

 精解：當啓動蜘蛛後，這個kgc.csv文件的類型已經再也不適用，item.py只對其執行yield的item，因此就須要對setting文件進行配置了。

setting.py

ITEM_PIPELINES = { 'kgc.pipelines.KgcPipeline': 300, 'scrapy.pipelines.images.ImagesPipeline': 1, } IMAGES_STORE='/home/yzhl/kgcimages'

精解：在intem_pipelines中加入scrapy關於圖片images的管道，同時還要在實體類item中寫入關於store的路徑，路徑即存儲圖片的文件夾的路徑，這樣下載的圖片就會依次存入到文件夾的目錄下。

路徑獲取：cd到當前目錄下，pwd查找當前路徑。