scrapy初学:爬百度图片

爬虫初学:基于Pycharm用scrapy爬取百度图片

初学爬虫

本人最近初学爬虫的相关知识和实现,这里简单介绍一下对如何用scrapy进行百度图片的抓取,记录一下自己踩过的坑。

选择工具

  1. Pycharm 2020.1
  2. Scrapy
  3. python 3.8

功能说明

制作百度图片的scrapy爬虫,能够根据关键字下载百度图片并标明序号和进行存储。

具体内容和代码

由于scrapy工具有出色的表现和良好的口碑,因此一直想学习用scrapy来爬取数据。

  1. 在Pycharm中安装scrapy,运用Pycharm安装库方法即可,打开Pycharm后,点击File->Setting->Project
    Interpreter后,选择弹出对话框的+,从选择包中选择scrapy安装即可。!

在这里插入图片描述
其中踩过的坑在后续章节中会写明。

安装完scrapy, 即可在Pycharm终端处通过命令

scrapy startproject projectname

建立爬虫项目,生成pipeline, setting等相关文件。这里我写的项目名称是BaiduScrapy。在./BaiduScrapy/Spiders文件夹下的新建爬虫的python文件:BaiduPicSpider.py,作为爬虫的类。
生成的项目目录如下图:
在这里插入图片描述
3.
后续修改以下程序实现目标工程:
Settings.py处增加:

ROBOTSTXT_OBEY = False

MAX_PAGE = 30

IMAGES_STORE = './images'

ITEM_PIPELINES = {
   
   
   'BaiduScrapy.pipelines.BaiduImagePipeline': 300,
}

BaiduPicScrapy.py的代码为:

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

# Define here the models for image scrape

from scrapy import Spider, Request
from urllib.parse import quote
from BaiduScrapy.items import BaiduImageItem
import json

class ImageSpider(Spider):
    name = 'image'
    allowed_domain = ['images.baidu.com']
    start_url = ['https://image.baidu.com/']
    url_info = {
   
   'url_se
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值