scrapy二进制图片mysql_scrapy操作mysql/批量下载图片

1.操作mysql

items.py

meiju.py

3.piplines.py

4.settings.py

--------------------------------------------------------------------------------------------------------------------------

批量下载图片。分类

网站：https://movie.douban.com/top250

需求：按电影分类，获取里面的演职员图片。并存入各自的分类当中

效果：

代码

因为我们主要工作是下载。不存入数据库。存入数据库的话可以参考上面部分。

现在只需要修改spiders/xxx_spiders.py文件。就是开启项目适合生成的文件

我的是这个

以下是这个文件夹的代码。

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

importscrapyimportosimporturllib.requestimportreclassDoubanDetailSpidersSpider(scrapy.Spider):

name= ‘douban_detail_spiders‘allowed_domains= [‘movie.douban.com‘]

start_urls= [‘https://movie.douban.com/top250‘]

file_path= "D:\\www\\scrapy\\douban_detail\\image\\"

defparse(self, response):

movie_list= response.xpath("//div[@class=‘article‘]//ol[@class=‘grid_view‘]/li")for i_item inmovie_list:#封面图

master_pic_path = i_item.xpath(".//div[@class=‘pic‘][email protected]").extract_first()#文件名

name = i_item.xpath(".//div[@class=‘info‘]//a/span[1]/text()").extract_first()#创建文件夹

self.fileIsBeing(name)#详情连接

detail_url = i_item.xpath(".//div[@class=‘hd‘][email protected]").extract_first()#获取详情里面内容

#detail_link = response.xpath(".//div[@class=‘hd‘][email protected]").extract()

#for link in detail_link:　　　　　　　　 # 这里是进入二级页面操作，在for循环里面。

yield scrapy.Request(detail_url, meta={‘name‘: name}, callback=self.detail_parse, dont_filter=True)#解析下一页

next_link = response.xpath("//div[@class=‘article‘]//div[@class=‘paginator‘]//span[@class=‘next‘][email protected]").extract()print(next_link)ifnext_link:

next_link=next_link[0]yield scrapy.Request("https://movie.douban.com/top250" + next_link, callback=self.parse)#判断文件是否存在

#不存在则创建

deffileIsBeing(self, name):

path= self.file_path +name

bool=os.path.exists(path)if not(bool):

os.mkdir(path)returnpath#解析详情里面的数据 获取二级页面内容操作。主要获取图片

defdetail_parse(self, response):

name= response.meta[‘name‘]print(name)

movie_prople_list= response.xpath("//div[@id=‘celebrities‘]//ul[@class=‘celebrities-list from-subject __oneline‘]//li")for i_mov_item inmovie_prople_list:

background_img= i_mov_item.xpath(".//div[@class=‘avatar‘][email protected]").extract_first()

user_name= i_mov_item.xpath(".//div[@class=‘info‘][email protected]").extract_first()

img_file_name= "%s.jpg" % user_name #工作人员

img_url = self.txt_wrap_by(‘(‘, ‘)‘, background_img) #图片地址

print(img_file_name)

file_path= os.path.join(self.file_path+name, img_file_name)

urllib.request.urlretrieve(img_url, file_path)#print(img_file_name)

#截取字符串中间部分

deftxt_wrap_by(self, start_str, end, html):

start=html.find(start_str)if start >=0:

start+=len(start_str)

end=html.find(end, start)if end >=0:return html[start:end].strip()

原文：https://www.cnblogs.com/chenrunxuan/p/10204498.html