Python使用Scrapy爬取妹子圖
更新時間:2015年05月28日 10:23:42 投稿:hebedich
前面我們給大家介紹了使用nodejs來爬取妹紙圖片的方法,下面我們來看下使用Python是如何實現(xiàn)的呢,有需要的小伙伴參考下吧。
Python Scrapy爬蟲,聽說妹子圖挺火,我整站爬取了,上周一共搞了大概8000多張圖片。和大家分享一下。
核心爬蟲代碼
# -*- 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 = (
'http://www.meizitu.com/',
)
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("http://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', "http://div[@id='maincontent']/div[@class='postmeta clearfix']/div[@class='metaRight']/p")
l.add_xpath('image_urls', "http://div[@id='picture']/p/img/@src", Identity())
l.add_value('url', response.url)
return l.load_item()
項目地址:https://github.com/ZhangBohan/fun_crawler
以上所述就是本文的全部內(nèi)容了,希望大家能夠喜歡。
相關(guān)文章
如何在python開發(fā)工具PyCharm中搭建QtPy環(huán)境(教程詳解)
這篇文章主要介紹了在python開發(fā)工具PyCharm中搭建QtPy環(huán)境,本文通過圖文并茂的形式給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友可以參考下2020-02-02
python檢查目錄文件權(quán)限并修改目錄文件權(quán)限的操作
這篇文章主要介紹了python檢查目錄文件權(quán)限并修改目錄文件權(quán)限的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
python基礎(chǔ)教程之獲取本機ip數(shù)據(jù)包示例
本文主要介紹了python獲取本機ip數(shù)據(jù)包的示例,大家參考使用吧2014-02-02

