(1)、前言
Scrapy框架为文件和图片的下载专门提供了两个Item Pipeline 它们分别是:
FilePipeline
ImagesPipeline
(2)、使用Scrapy内置的下载方法的好处
1、可以有效避免重复下载
2、方便指定下载路径
3、方便格式转换,例如可以有效的将图片转换为png 或jpg
4、方便生成缩略图
5、方便调整图片大小
6、异步下载,高效率
(3)、较为传统的Scrapy框架图片下载方式
1、创建项目:scrapy startproject baoma---cd baoma --创建爬虫scrapy genspider spider car.autohome.com.cn
2、使用pycharm打开项目
改写settings.py
不遵守robots协议
设置请求头
开启pipelines.py
改写spider.py
改写pipelines.py
新建测试py(main.py)
from scrapy import cmdline
cmdline.execute('scrapy crawl spider'.split())
运行结果:(我们成功获取了以catagory分类并以图片地址_后的参数作为图片名的图片)
Scrapy框架提供了两个中间件1、下载文件的Files pipeline 和下载图片的Image pipeline
下载文件的Files pipeline
使用步骤:
1、定义好一个item,然后定义两个属性file_urls 和 files . file_urls是用来存储需要下载的文件的url链接,列表类型
2、当文件下载完成后,会把文件下载的相关信息存储到item的files属性中。例如:下载路径,下载url 和文件的效验码
3、再配置文件settings.py中配置FILES_STORE,指定文件下载路径
4、启动pipeline,在ITEM_PIPELINES中设置scrapy.pipelines.files.FilesPipeline :1
下载图片的Images Pipeline
使用步骤:
1、定义好一个item,然后定义两个属性image_urls 和 images. image_urls是用来存储需要下载的文件的url链接,列表类型
2、当文件下载完成后,会把文件下载的相关信息存储到item的images属性中。例如:下载路径,下载url 和文件的效验码
3、再配置文件settings.py中配置FILES_STORE,指定文件下载路径
4、启动pipeline,在ITEM_PIPELINES中设置scrapy.pipelines.images.ImagesPipeline :1
(4)、使用Images_pipeline进行图片下载(还是以汽车之家图片为例)
改写settings.py
开启自己定义的中间件
改写pipelines,py
运行结果展示:
通过对比我们可以直观感受到下载速度明显提高。
下面我们对图片进行优化,获取高清图片
通过分析缩略图和高清图的url,我们发现缩略图只是多了t_罢了
缩略图地址:https://car3.autoimg.cn/cardfs/product/g24/M08/2F/9E/t_autohomecar__wKgHIVpogfqAIlTbAAUzcUgKoGY701.jpg
高清图地址:https://car3.autoimg.cn/cardfs/product/g24/M08/2F/9E/autohomecar__wKgHIVpogfqAIlTbAAUzcUgKoGY701.jpg
(5)、下面我们获取所有的高清图片
传统思路如下:找到更多获取接口的url,进入详情页--找分页接口(显然这种情况会大大提高我们的工作量,下面我们使用Scrapy框架中的CrawlSpider进行爬取,因为CrawlSpider只要指定响应的规则,爬虫会自动进行爬取,省事省力!)
我们首先分析下url的规律:
https://car.autohome.com.cn/pic/series/65-1.html(更多的第一页url)
https://car.autohome.com.cn/pic/series/65-1-p2.html(更多的第二页url)
改写spider.py
运行结果(展示):(我们成功获取了高清图片到本地)