欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python3爬蟲爬取英雄聯(lián)盟高清桌面壁紙功能示例【基于Scrapy框架】

 更新時間：2018年12月05日 11:17:33   作者：包子源  
這篇文章主要介紹了Python3爬蟲爬取英雄聯(lián)盟高清桌面壁紙功能,結合實例形式分析了基于Scrapy爬蟲框架進行圖片爬取的相關項目創(chuàng)建、文件結構、功能實現(xiàn)操作技巧與注意事項,需要的朋友可以參考下

本文實例講述了Python3爬蟲爬取英雄聯(lián)盟高清桌面壁紙功能。分享給大家供大家參考，具體如下：

使用Scrapy爬蟲抓取英雄聯(lián)盟高清桌面壁紙

源碼地址：https://github.com/snowyme/loldesk

開始項目前需要安裝python3和Scrapy，不會的自行百度，這里就不具體介紹了

首先，創(chuàng)建項目

scrapy startproject loldesk

生成項目的目錄結構

首先需要定義抓取元素，在item.py中，我們這個項目用到了圖片名和鏈接

import scrapy
class LoldeskItem(scrapy.Item):
  name = scrapy.Field()
  ImgUrl = scrapy.Field()
  pass

接下來在爬蟲目錄創(chuàng)建爬蟲文件，并編寫主要代碼，loldesk.py

import scrapy
from loldesk.items import LoldeskItem
class loldeskpiderSpider(scrapy.Spider):
  name = "loldesk"
  allowed_domains = ["www.win4000.com"]
  # 抓取鏈接
  start_urls = [
    'http://www.win4000.com/zt/lol.html'
  ]
  def parse(self, response):
    list = response.css(".Left_bar ul li")
    for img in list:
      imgurl = img.css("a::attr(href)").extract_first()
      imgurl2 = str(imgurl)
      next_url = response.css(".next::attr(href)").extract_first()
      if next_url is not None:
        # 下一頁
        yield response.follow(next_url, callback=self.parse)
      yield scrapy.Request(imgurl2, callback=self.content)
  def content(self, response):
    item = LoldeskItem()
    item['name'] = response.css(".pic-large::attr(title)").extract_first()
    item['ImgUrl'] = response.css(".pic-large::attr(src)").extract()
    yield item
    # 判斷頁碼
    next_url = response.css(".pic-next-img a::attr(href)").extract_first()
    allnum = response.css(".ptitle em::text").extract_first()
    thisnum = next_url[-6:-5]
    if int(allnum) > int(thisnum):
      # 下一頁
      yield response.follow(next_url, callback=self.content)

圖片的鏈接和名稱已經獲取到了，接下來需要使用圖片通道下載圖片并保存到本地，pipelines.py：

from scrapy.pipelines.images import ImagesPipeline
from scrapy.exceptions import DropItem
from scrapy.http import Request
import re
class MyImagesPipeline(ImagesPipeline):
  def get_media_requests(self, item, info):
    for image_url in item['ImgUrl']:
      yield Request(image_url,meta={'item':item['name']})
  def file_path(self, request, response=None, info=None):
    name = request.meta['item']
    name = re.sub(r'[？\\*|“<>:/()0123456789]', '', name)
    image_guid = request.url.split('/')[-1]
    filename = u'full/{0}/{1}'.format(name, image_guid)
    return filename
  def item_completed(self, results, item, info):
    image_path = [x['path'] for ok, x in results if ok]
    if not image_path:
      raise DropItem('Item contains no images')
    item['image_paths'] = image_path
    return item

最后在settings.py中設置存儲目錄并開啟通道：

# 設置圖片存儲路徑
IMAGES_STORE = 'F:/python/loldesk'
#啟動pipeline中間件
ITEM_PIPELINES = {
  'loldesk.pipelines.MyImagesPipeline': 300,
}

在根目錄下運行程序：

scrapy crawl loldesk

大功告成?。。∫还沧ト〉?28個文件夾

更多關于Python相關內容可查看本站專題：《Python Socket編程技巧總結》、《Python正則表達式用法總結》、《Python數(shù)據(jù)結構與算法教程》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對大家Python程序設計有所幫助。

相關文章

最新評論