python爬虫的图片信息爬取

上一篇博客已经讲述了对文本信息的爬取，本章将详细说一下对图片信息的爬取。

首先先看一下项目的目录：

 

老规矩，根据代码页进行讲解：(本次只针对一个页面进行讲解，多页面爬取只需解除注释便可)

kgcspider.py

# -*- coding: utf-8 -*-
import scrapy from kgc.items import *


class KgcspiderSpider(scrapy.Spider): name = 'kgcspider'
    #allowed_domains = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml']
    start_urls = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml'] def parse(self, response): #print(response.body.decode())
        title = response.css('a.yui3-u.course-title-a.ellipsis::text').extract() price=response.css('div.right.align-right>span::text').extract() persons=response.css('span.course-pepo::text').extract() image_urls=response.css('a.kgc-w>img::attr("src")').extract() #print(title)
        datas=zip(title,price,persons,image_urls) for d in datas: item=KgcItem() item['title']=d[0] item['price']=d[1] item['persons']=d[2] item['image_urls']=[d[3]] yield item # next_url=response.css('li.next>a::attr("href")').extract_first()
        #         # if next_url is not None:
        # yield response.follow(next_url,self.parse)

精解：对于以前的文本内容的爬取代码保持不变，增长的图片的爬取路径image_urls,也对其进行循环输出，而且放到item中。

item.py

import scrapy class KgcItem(scrapy.Item): # define the fields for your item here like:
    # name = scrapy.Field()
    title=scrapy.Field() price=scrapy.Field() persons=scrapy.Field() image_urls=scrapy.Field() images=scrapy.Field()

精解：在实体类item中，加入存储的field，而且对图片images进行存取。images存储的时图片的一些存储路径path，爬取路径URL等，后期能够根据path查询图片。

piplines.py

class KgcPipeline(object): def open_spider(self,spider): #当蜘蛛启动时自动执行
        self.file=open("/home/yzhl/IdeaProjects/kgc/kgc.csv","w",encoding='utf8') def process_item(self, item, spider): #蜘蛛每yild一个item，执行一次
        line=item["title"]+","+item["price"]+','+item["persons"]+','+item["images_urls"]+'\n' self.file.write(line) return item def close_spider(self,spider): #蜘蛛完成工做关闭执行
        self.file.close()

 精解：当启动蜘蛛后，这个kgc.csv文件的类型已经再也不适用，item.py只对其执行yield的item，因此就须要对setting文件进行配置了。

setting.py

ITEM_PIPELINES = { 'kgc.pipelines.KgcPipeline': 300, 'scrapy.pipelines.images.ImagesPipeline': 1, } IMAGES_STORE='/home/yzhl/kgcimages'

精解：在intem_pipelines中加入scrapy关于图片images的管道，同时还要在实体类item中写入关于store的路径，路径即存储图片的文件夹的路径，这样下载的图片就会依次存入到文件夹的目录下。

路径获取：cd到当前目录下，pwd查找当前路径。