Python使用Scrapy爬取妹子图

本文介绍了使用Python的Scrapy框架爬取妹子图的实践经验,总计获取了8000多张图片。通过分享核心爬虫代码,帮助读者理解爬虫实现过程。项目源代码已上传至GitHub。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Python Scrapy爬虫,听说妹子图挺火,我整站爬取了,上周一共搞了大概8000多张图片。和大家分享一下。

核心爬虫代码


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# -*- coding: utf-8 -*-
from scrapy.selector import Selector
import scrapy
from scrapy.contrib.loader import ItemLoader, Identity
from fun.items import MeizituItem
  
  
class MeizituSpider(scrapy.Spider):
   name = "meizitu"
   allowed_domains = [ "meizitu.com" ]
   start_urls = (
   )
  
   def parse( self , response):
     sel = Selector(response)
     for link in sel.xpath( '//h2/a/@href' ).extract():
       request = scrapy.Request(link, callback = self .parse_item)
       yield request
  
     pages = sel.xpath( "//div[@class='navigation']/div[@id='wp_page_numbers']/ul/li/a/@href" ).extract()
     print ( 'pages: %s' % pages)
     if len (pages) > 2 :
       page_link = pages[ - 2 ]
       page_link = page_link.replace( '/a/' , '') 
       request = scrapy.Request( 'http://www.meizitu.com/a/%s' % page_link, callback = self .parse)
       yield request
  
   def parse_item( self , response):
     l = ItemLoader(item = MeizituItem(), response = response)
     l.add_xpath( 'name' , '//h2/a/text()' )
     l.add_xpath( 'tags' , "//div[@id='maincontent']/div[@class='postmeta clearfix']/div[@class='metaRight']/p" )
     l.add_xpath( 'image_urls' , "//div[@id='picture']/p/img/@src" , Identity())
  
     l.add_value( 'url' , response.url)
     return l.load_item()

项目地址:https://github.com/ZhangBohan/fun_crawler

以上所述就是本文的全部内容了,希望大家能够喜欢。

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