Python使用Scrapy爬取妹子图

Python Scrapy爬虫，听说妹子图挺火，我整站爬取了，上周一共搞了大概8000多张图片。和大家分享一下。

核心爬虫代码

# -*- coding: utf-8 -*-
from scrapy.selector import Selector
import scrapy
from scrapy.contrib.loader import ItemLoader, Identity
from fun.items import MeizituItem

class MeizituSpider(scrapy.Spider):
 name = "meizitu"
 allowed_domains = ["meizitu.com"]
 start_urls = (
   'http://www.meizitu.com/',
 )

def parse(self, response):
   sel = Selector(response)
   for link in sel.xpath('//h2/a/@href').extract():
     request = scrapy.Request(link, callback=self.parse_item)
     yield request

pages = sel.xpath("//div[@class='navigation']/div[@id='wp_page_numbers']/ul/li/a/@href").extract()
   print('pages: ％s' ％ pages)
   if len(pages) > 2:
     page_link = pages[-2]
     page_link = page_link.replace('/a/', '')  
     request = scrapy.Request('http://www.meizitu.com/a/％s' ％ page_link, callback=self.parse)
     yield request

def parse_item(self, response):
   l = ItemLoader(item=MeizituItem(), response=response)
   l.add_xpath('name', '//h2/a/text()')
   l.add_xpath('tags', "//div[@id='maincontent']/div[@class='postmeta clearfix']/div[@class='metaRight']/p")
   l.add_xpath('image_urls', "//div[@id='picture']/p/img/@src", Identity())

l.add_value('url', response.url)
   return l.load_item()

项目地址：https://github.com/ZhangBohan/fun_crawler

以上所述就是本文的全部内容了，希望大家能够喜欢。