使用scrapy爬虫框架批量下载图片

最新推荐文章于 2024-03-22 08:12:01 发布

原创最新推荐文章于 2024-03-22 08:12:01 发布 · 1.5k 阅读

0 ·

CC 4.0 BY-SA版权

python 专栏收录该内容

14 篇文章

订阅专栏

本文详细介绍了如何在Scrapy项目中配置图片下载Pipeline，包括设置ITEM_PIPELINES、IMAGES_STORE、IMAGES_URLS_FIELD等参数，以及自定义ImagesPipeline类实现图片下载路径的定制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

settings.py(需要在settings中配置如下内容)

ITEM_PIPELINES = {
    # 启用scrapy自带的图片下载ImagesPipeline
    'scrapy.contrib.pipeline.images.ImagesPipeline': None,
    # 如果需要采用自定义的ImagesPipiline，需要将自带的ImagesPipelin设置为None
    'chinazSpider.pipelines.ImagesPipiline': 1,
}
# 配置图片的保存目录
IMAGES_STORE = 'images'
# 在ImagesPipeline进行下载图片时，配置图片对应的Item字段
IMAGES_URLS_FIELD = 'img_url'

pilelines.py

from scrapy.pipelines.images import ImagesPipeline
from scrapy.http import Request


class ImagesPipiline(ImagesPipeline):
    def get_media_requests(self, item, info):
        # 从item中获取要下载的图片的url，根据url构造Request()对象，并返回该对象
        image_url = item['img_url']
        yield Request(image_url, meta={'item': item})

    def file_path(self, request, response=None, info=None):
        # 用来自定义图片的下载路径
        item = request.meta['item']
        # 每个分类的名称
        category = item['sort_name'][:-2]
        # 图片的文件名
        img_name = item['img_url'].split('/')[-1]
        # 通过分类名和图片的文件名，拼接图片的相对路径
        path = category + '/' + img_name
        return path

    def item_completed(self, results, item, info):
        # 图片下载完成后，返回结果result
        print(results)
        return item