码迷,mamicode.com
首页 > 数据库 > 详细

scrapy操作mysql/批量下载图片

时间:2019-01-01 13:16:47      阅读:244      评论:0      收藏:0      [点我收藏+]

标签:user   .com   存在   for   star   参考   图片   截取字符串   imp   

1.操作mysql

items.py

技术分享图片

meiju.py

技术分享图片

3.piplines.py

技术分享图片

4.settings.py

技术分享图片

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

批量下载图片。分类

网站:https://movie.douban.com/top250

需求:按电影分类,获取里面的演职员图片。并存入各自的分类当中

效果:

  技术分享图片

代码

因为我们主要工作是下载。不存入数据库。存入数据库的话可以参考上面部分。

现在只需要修改spiders/xxx_spiders.py文件。就是开启项目适合生成的文件

我的是这个

技术分享图片

以下是这个文件夹的代码。

# -*- coding: utf-8 -*-
import scrapy
import os
import urllib.request
import re


class DoubanDetailSpidersSpider(scrapy.Spider):
    name = douban_detail_spiders
    allowed_domains = [movie.douban.com]
    start_urls = [https://movie.douban.com/top250]

    file_path = "D:\\www\\scrapy\\douban_detail\\image\\"

    def parse(self, response):
        movie_list = response.xpath("//div[@class=‘article‘]//ol[@class=‘grid_view‘]/li")

        for i_item in movie_list:
            # 封面图
            master_pic_path = i_item.xpath(".//div[@class=‘pic‘]//a//img/@src").extract_first()
            # 文件名
            name = i_item.xpath(".//div[@class=‘info‘]//a/span[1]/text()").extract_first()
            # 创建文件夹
            self.fileIsBeing(name)
            # 详情连接
            detail_url = i_item.xpath(".//div[@class=‘hd‘]//a/@href").extract_first()
            # 获取详情里面内容
            # detail_link = response.xpath(".//div[@class=‘hd‘]//a/@href").extract()
            # for link in detail_link:
         # 这里是进入二级页面操作,在for循环里面。 yield scrapy.Request(detail_url, meta={name: name}, callback=self.detail_parse, dont_filter=True) # 解析下一页 next_link = response.xpath("//div[@class=‘article‘]//div[@class=‘paginator‘]//span[@class=‘next‘]/link/@href").extract() print(next_link) if next_link: next_link = next_link[0] yield scrapy.Request("https://movie.douban.com/top250" + next_link, callback=self.parse) # 判断文件是否存在 # 不存在则创建 def fileIsBeing(self, name): path = self.file_path + name bool = os.path.exists(path) if not(bool): os.mkdir(path) return path # 解析详情里面的数据 获取二级页面内容操作。主要获取图片 def detail_parse(self, response): name = response.meta[name] print(name) movie_prople_list = response.xpath("//div[@id=‘celebrities‘]//ul[@class=‘celebrities-list from-subject __oneline‘]//li") for i_mov_item in movie_prople_list: background_img = i_mov_item.xpath(".//div[@class=‘avatar‘]/@style").extract_first() user_name = i_mov_item.xpath(".//div[@class=‘info‘]//a/@title").extract_first() img_file_name = "%s.jpg" % user_name # 工作人员 img_url = self.txt_wrap_by((, ), background_img) # 图片地址 print(img_file_name) file_path = os.path.join(self.file_path+name, img_file_name) urllib.request.urlretrieve(img_url, file_path) # print(img_file_name) # 截取字符串中间部分 def txt_wrap_by(self, start_str, end, html): start = html.find(start_str) if start >= 0: start += len(start_str) end = html.find(end, start) if end >= 0: return html[start:end].strip()

 

scrapy操作mysql/批量下载图片

标签:user   .com   存在   for   star   参考   图片   截取字符串   imp   

原文地址:https://www.cnblogs.com/chenrunxuan/p/10204498.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!