Scrapy爬虫爬图

最新推荐文章于 2025-08-08 11:09:55 发布

转载最新推荐文章于 2025-08-08 11:09:55 发布 · 163 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/shouwangrenjian/p/10921503.html

文章标签：

#python #爬虫 #人工智能

博客提到Scrapy的ImagesPipeline默认会将下载图片转换为JPG格式和RGB模式，导致gif文件下载后成静态图片。可重写ImagesPipeline中的下载方法，也能在PictureSpiderPipeline中处理下载，还给出了详细代码链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

爬取 https://www.zhainanfu.com/tuku 下的图片，分别保存在各自的文件夹。
使用scrapy的ImagesPipeline类，参考https://scrapy-chs.readthedocs.io/zh_CN/latest/topics/images.html，但是官方文档中使用的时默认路径，无法分类保存，需要重写file_path函数，代码如下：

class MyImagesPipeline(ImagesPipeline):
    def get_media_requests(self, item, info):
        yield scrapy.Request(url=item['src'], meta={'item': item})

    def item_completed(self, results, item, info):
        return item

    def file_path(self, request, response=None, info=None):
        item = request.meta["item"]
        img_name =os.path.basename(item['src'])
        image_path = os.path.join(IMAGES_STORE, item['title'], img_name)
        if os.path.exists(image_path):
            md5 = hashlib.md5()
            md5.update(item['src'].encode("utf-8"))
            img_name = md5.hexdigest() + os.path.splitext(img_name)[-1]
            image_path = os.path.join(IMAGES_STORE, item['title'], img_name)
        print(image_path)
        return image_path