Scrapy项目(斗鱼直播)---利用Spider爬取颜值下的美女信息

栏目: 编程工具 · 发布时间: 7年前

Scrapy项目(斗鱼直播)---利用Spider爬取颜值下的美女信息

1、创建Scrapy项目

scrapy startproject douyu

2.进入项目目录,使用命令genspider创建Spider

scrapy genspider douyumeinv "capi.douyucdn.cn"

3、定义要抓取的数据(处理items.py文件)

# -*- coding: utf-8 -*-

import scrapy

class DouyuItem(scrapy.Item):

name = scrapy.Field()  # 存储照片的名字

imagesUrls = scrapy.Field()  # 照片的url路径

imagesPath = scrapy.Field()  # 照片保存在本地的路径

4、编写提取item数据的Spider(在spiders文件夹下:douyumeinv.py)

# -*- coding: utf-8 -*-

import scrapy

import json

# 如果下面在pycharm中有红色波浪线,参照这个设置:https://blog.csdn.net/z564359805/article/details/80650843

from douyu.items import DouyuItem

class DouyumeinvSpider(scrapy.Spider):

name = 'douyumeinv'

allowed_domains = ['capi.douyucdn.cn']

offset = 0

url = "http://capi.douyucdn.cn/api/v1/getVerticalRoom?limit=20&offset="

start_urls = [url + str(offset)]

def parse(self, response):

data = json.loads(response.text)['data']

for each in data:

item = DouyuItem()

item['name'] = each['nickname']

item['imagesUrls'] = each['vertical_src']

yield item

self.offset += 20

yield scrapy.Request(self.url + str(self.offset),callback=self.parse)

5.处理pipelines管道文件保存数据,可将结果保存到文件中(pipelines.py)

# -*- coding: utf-8 -*-

import scrapy

import os

from scrapy.utils.project import get_project_settings

from scrapy.pipelines.images import ImagesPipeline

# 继承ImagesPipeline()的子类处理图片并保存,参考:https://blog.csdn.net/z564359805/article/details/80693578

class ImagePipeline(ImagesPipeline):

# 获取settings文件中设置的图片保存地址IMAGES_STORE

IMAGES_STORE =get_project_settings().get("IMAGES_STORE")

def get_media_requests(self, item, info):

image_url = item['imagesUrls']

yield scrapy.Request(image_url)

def item_completed(self, results, item, info):

image_path = [x['path'] for ok, x in results if ok]

os.rename(self.IMAGES_STORE + '/' + image_path[0],self.IMAGES_STORE + '/' + item['name'] + '.jpg')

item['imagesPath'] = self.IMAGES_STORE + '/' + item['name']

return item

6.配置settings文件(settings.py)

# Obey robots.txt rules,具体含义参照:https://blog.csdn.net/z564359805/article/details/80691677

ROBOTSTXT_OBEY = False

# Override the default request headers:添加User-Agent信息

DEFAULT_REQUEST_HEADERS = {

'USER_AGENT':'DYZB/2.290 (iPhone; iOS 9.3.4; Scale/2.00)',

}

# 图片保存地址,这样会在当前执行的目录下创建images文件夹,也可以写具体地址

IMAGES_STORE = "./images"

# Configure item pipelines

ITEM_PIPELINES = {

'douyu.pipelines.ImagePipeline': 300,

}

# 还可以将日志存到本地文件中(可选添加设置)

LOG_FILE = "douyulog.log"

LOG_LEVEL = "DEBUG"

7.以上设置完毕,进行爬取:执行项目命令crawl,启动Spider:

scrapy crawl douyumeinv

---------------------

作者:執筆冩回憶

来源:CSDN

原文:https://blog.csdn.net/z564359805/article/details/80707165

版权声明:本文为博主原创文章,转载请附上博文链接!


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

创业小败局

创业小败局

创业家、i黑马 / 时代华文书局 / 2014-8-1 / 42.00元

让别人的失败,成为你的成功之母! 《创业小败局》由徐小平、何伯权等六位经验丰富的业界大佬,从《创业家》五年来跟踪的数千个创业案例中,精心挑选而来。21个最具代表性的失败案例,每个案例都代表了一种最常见的失败规律,也基本上覆盖了当下中国创业浪潮中,最容易遭遇的创业陷阱。失 败是有规律的。有时候创业者的选择和 行为,必然会导致失败,但当事人却因为缺乏经验而没有察觉。比如在错误心态下引入错误的合伙......一起来看看 《创业小败局》 这本书的介绍吧!

随机密码生成器
随机密码生成器

多种字符组合密码

SHA 加密
SHA 加密

SHA 加密工具

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具