Scrapy 爬取图片方法一

Scrapy 爬取图片，本章采用半自定义方法，使用scrapy爬虫爬取图片。

这里我们以美食杰为例，爬取它的图片作为演示，这里只爬取一页，如图所示:

爬取图片的工作分成如下六个步骤来完成

创建项目

首先我们在命令行进入到我们要创建的目录，执行如下指令创建爬虫项目。

scrapy startproject meishi

输出结果如图所示:

生成爬虫

然后执行指令cd meishi,进入到meishi文件夹，执行如下指令生成爬虫。

scrapy genspider mei meishij.net

输出结果如图所示：

xpath抓取图片

点进上图所示的mei.py文件，这里需要注意，要将start_urls[]改为我们要爬取的Url地址:
https://www.meishij.net/china-food/caixi/chuancai/
这里使用xpath爬取图片，如代码所示：

class MeiSpider(scrapy.Spider):
    name = 'mei'
    allowed_domains = ['meishij.net']
    start_urls = ['https://www.meishij.net/china-food/caixi/chuancai/']

    def parse(self, response):
        src_list = response.xpath('//div[@class="listtyle1"]/a/img/@src').extract()
        for src in src_list:
            print(src)

执行爬虫程序，查看结果是否符合预期:

scrapy crawl mei --nolog

执行结果如图所示，说明程序符合预期

配置item文件

进入到items文件，用它来处理刚刚得到的文件

class MeishiItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    src = scrapy.Field()

进入到mei.py文件，引入items这个文件的函数，并进行输出，因为src是图片，所以要用[]括起来

import scrapy
from ..items import MeishiItem

class MeiSpider(scrapy.Spider):
    name = 'mei'
    allowed_domains = ['meishij.net']
    start_urls = ['https://www.meishij.net/china-food/caixi/chuancai/']

    def parse(self, response):
        src_list = response.xpath('//div[@class="listtyle1"]/a/img/@src').extract()
        for src in src_list:
            item = MeishiItem()
            item['src'] = [src]
            yield item

配置settings文件

在settings.py里进行设置，大致在67行前后的位置，自定义下载。
IMAGES_STORE = '' 里面写图片保存的路径
IMAGES_URLS_FIELD='' 里面写接收图片的变量

# Configure item pipelines
# See https://doc.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
#    'meishi.pipelines.MeishiPipeline': 300,
    'scrapy.pipelines.images.ImagesPipeline':1
}
IMAGES_STORE = 'images'
IMAGES_URLS_FIELD = 'src'

测试结果

在命令行执行指令 scrapy crawl mei 点击确认，看到如图所示，恭喜你，图像爬取成功！