欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python使用Scrapy爬取妹子圖

 更新時(shí)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(lái)爬取妹紙圖片的方法，下面我們來(lái)看下使用Python是如何實(shí)現(xiàn)的呢，有需要的小伙伴參考下吧。

Python Scrapy爬蟲(chóng)，聽(tīng)說(shuō)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(chóng)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(xiàng)目地址：https://github.com/ZhangBohan/fun_crawler

以上所述就是本文的全部?jī)?nèi)容了，希望大家能夠喜歡。

相關(guān)文章

最新評(píng)論