Python3爬虫爬取英雄联盟高清桌面壁纸功能示例【基于Scrapy框架】
作者:包子源 时间:2023-03-07 19:19:59
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
标签:Python3,爬虫,Scrapy框架


猜你喜欢
用Python生成会跳舞的美女
2023-04-04 11:52:09

python对于requests的封装方法详解
2023-02-06 15:29:48
golang之JWT实现的示例代码
2024-01-30 03:35:30
WEB打印分页类(JS)
2008-01-22 14:02:00
利用Python的Django框架中的ORM建立查询API
2023-11-15 10:06:03
浅谈Python traceback的优雅处理
2023-08-06 06:57:42
Python使用cn2an实现中文数字与阿拉伯数字的相互转换
2021-07-28 23:33:51
python3中int(整型)的使用教程
2021-12-29 19:51:31
查询字符串中包含特殊字符的问题
2009-01-09 13:13:00
Python中return用法案例详解
2022-09-09 10:35:40
Python企业编码生成系统之主程序模块设计详解
2023-11-18 18:44:37
python删除文件示例分享
2022-02-26 21:48:32
熵值法原理及Python实现的示例详解
2021-06-19 20:31:33

简单讲解Go程序中使用MySQL的方法
2024-01-24 00:02:56
很无聊的一个找碴游戏
2008-07-02 13:10:00
程序猿新手学习必备的Python工具整合
2024-01-02 00:53:26

vue之封装多个组件调用同一接口的案例
2024-04-09 10:47:32
python实现MD5进行文件去重的示例代码
2021-12-13 02:28:23

python 随机森林算法及其优化详解
2023-03-30 20:20:45
带农历及节日的js日历源码
2010-08-01 17:38:00
