Python3爬虫爬取英雄联盟高清桌面壁纸功能示例【基于Scrapy框架】

本文实例讲述了Python3爬虫爬取英雄联盟高清桌面壁纸功能。分享给大家供大家参考，具体如下：

使用Scrapy爬虫抓取英雄联盟高清桌面壁纸

源码地址：https://github.com/snowyme/loldesk

开始项目前需要安装python3和Scrapy，不会的自行百度，这里就不具体介绍了

首先，创建项目

scrapy startproject loldesk

生成项目的目录结构

首先需要定义抓取元素，在item.py中，我们这个项目用到了图片名和链接

import scrapy
class LoldeskItem(scrapy.Item):
 name = scrapy.Field()
 ImgUrl = scrapy.Field()
 pass

接下来在爬虫目录创建爬虫文件，并编写主要代码，loldesk.py

import scrapy
from loldesk.items import LoldeskItem
class loldeskpiderSpider(scrapy.Spider):
 name = "loldesk"
 allowed_domains = ["www.win4000.com"]
 # 抓取链接
 start_urls = [
   'http://www.win4000.com/zt/lol.html'
 ]
 def parse(self, response):
   list = response.css(".Left_bar ul li")
   for img in list:
     imgurl = img.css("a::attr(href)").extract_first()
     imgurl2 = str(imgurl)
     next_url = response.css(".next::attr(href)").extract_first()
     if next_url is not None:
       # 下一页
       yield response.follow(next_url, callback=self.parse)
     yield scrapy.Request(imgurl2, callback=self.content)
 def content(self, response):
   item = LoldeskItem()
   item['name'] = response.css(".pic-large::attr(title)").extract_first()
   item['ImgUrl'] = response.css(".pic-large::attr(src)").extract()
   yield item
   # 判断页码
   next_url = response.css(".pic-next-img a::attr(href)").extract_first()
   allnum = response.css(".ptitle em::text").extract_first()
   thisnum = next_url[-6:-5]
   if int(allnum) > int(thisnum):
     # 下一页
     yield response.follow(next_url, callback=self.content)

图片的链接和名称已经获取到了，接下来需要使用图片通道下载图片并保存到本地，pipelines.py：

from scrapy.pipelines.images import ImagesPipeline
from scrapy.exceptions import DropItem
from scrapy.http import Request
import re
class MyImagesPipeline(ImagesPipeline):
 def get_media_requests(self, item, info):
   for image_url in item['ImgUrl']:
     yield Request(image_url,meta={'item':item['name']})
 def file_path(self, request, response=None, info=None):
   name = request.meta['item']
   name = re.sub(r'[？\\*|“<>:/()0123456789]', '', name)
   image_guid = request.url.split('/')[-1]
   filename = u'full/{0}/{1}'.format(name, image_guid)
   return filename
 def item_completed(self, results, item, info):
   image_path = [x['path'] for ok, x in results if ok]
   if not image_path:
     raise DropItem('Item contains no images')
   item['image_paths'] = image_path
   return item

最后在settings.py中设置存储目录并开启通道：

# 设置图片存储路径
IMAGES_STORE = 'F:/python/loldesk'
#启动pipeline中间件
ITEM_PIPELINES = {
 'loldesk.pipelines.MyImagesPipeline': 300,
}

在根目录下运行程序：

scrapy crawl loldesk

大功告成！！！一共抓取到128个文件夹

希望本文所述对大家Python程序设计有所帮助。

来源：https://blog.csdn.net/ziwoods/article/details/84321188