Python:Scrapy实战项目手机App抓包爬虫

举报
Lansonli 发表于 2021/09/28 23:35:50 2021/09/28
【摘要】 1. items.py class DouyuspiderItem(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 2...

1. items.py


  
  1. class DouyuspiderItem(scrapy.Item):
  2. name = scrapy.Field()# 存储照片的名字
  3. imagesUrls = scrapy.Field()# 照片的url路径
  4. imagesPath = scrapy.Field()# 照片保存在本地的路径

2. spiders/douyu.py


  
  1. import scrapy
  2. import json
  3. from douyuSpider.items import DouyuspiderItem
  4. class DouyuSpider(scrapy.Spider):
  5. name = "douyu"
  6. allowd_domains = ["http://capi.douyucdn.cn"]
  7. offset = 0
  8. url = "http://capi.douyucdn.cn/api/v1/getVerticalRoom?limit=20&offset="
  9. start_urls = [url + str(offset)]
  10. def parse(self, response):
  11. # 返回从json里获取 data段数据集合
  12. data = json.loads(response.text)["data"]
  13. for each in data:
  14. item = DouyuspiderItem()
  15. item["name"] = each["nickname"]
  16. item["imagesUrls"] = each["vertical_src"]
  17. yield item
  18. self.offset += 20
  19. yield scrapy.Request(self.url + str(self.offset), callback = self.parse)

3. 设置setting.py


  
  1. ITEM_PIPELINES = {'douyuSpider.pipelines.ImagesPipeline': 1}
  2. # Images 的存放位置,之后会在pipelines.py里调用
  3. IMAGES_STORE = "/Users/Power/lesson_python/douyuSpider/Images"
  4. # user-agent
  5. USER_AGENT = 'DYZB/2.290 (iPhone; iOS 9.3.4; Scale/2.00)'

4. pipelines.py


  
  1. import scrapy
  2. import os
  3. from scrapy.pipelines.images import ImagesPipeline
  4. from scrapy.utils.project import get_project_settings
  5. class ImagesPipeline(ImagesPipeline):
  6. IMAGES_STORE = get_project_settings().get("IMAGES_STORE")
  7. def get_media_requests(self, item, info):
  8. image_url = item["imagesUrls"]
  9. yield scrapy.Request(image_url)
  10. def item_completed(self, results, item, info):
  11. # 固定写法,获取图片路径,同时判断这个路径是否正确,如果正确,就放到 image_path里,ImagesPipeline源码剖析可见
  12. image_path = [x["path"] for ok, x in results if ok]
  13. os.rename(self.IMAGES_STORE + "/" + image_path[0], self.IMAGES_STORE + "/" + item["name"] + ".jpg")
  14. item["imagesPath"] = self.IMAGES_STORE + "/" + item["name"]
  15. return item
  16. #get_media_requests的作用就是为每一个图片链接生成一个Request对象,这个方法的输出将作为item_completed的输入中的results,results是一个元组,每个元组包括(success, imageinfoorfailure)。如果success=true,imageinfoor_failure是一个字典,包括url/path/checksum三个key。

在项目根目录下新建main.py文件,用于调试


  
  1. from scrapy import cmdline
  2. cmdline.execute('scrapy crawl douyu'.split())

执行程序

py2 main.py
 

文章来源: lansonli.blog.csdn.net,作者:Lansonli,版权归原作者所有,如需转载,请联系作者。

原文链接:lansonli.blog.csdn.net/article/details/102993786

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。