百度图片爬虫

标签：不能   需求   技术   pipe   工具   简单   16px   alt   text   

爬虫工具：webmagic

爬取百度图片，不能通过获取html然后通过匹配标签的形式，而是要找到对应的提供json数据的请求，这个坑我踩了两三个小时，最初自信满满的按官方文档注解形式写了model，pipeline，然后就运行时就发现问题很大。

开始是获取不到html，然后通过调试发现可以获得rayText，但是这里只有简单的外层标签和数据，并没有图片相关数据。

我将代码放到下面，processor中定义了一个静态变量Set，用来保存图片url，剩下的就根据需求自己扩展了。

下面是pageProcessor的实现方法

接着是开启线程

百度图片爬虫

标签：不能   需求   技术   pipe   工具   简单   16px   alt   text   

原文地址：https://www.cnblogs.com/gqymy/p/9782886.html