位置: 编程技术 - 正文

Python中Scrapy爬虫图片处理详解(scrapy爬虫教程)

编辑:rootadmin

推荐整理分享Python中Scrapy爬虫图片处理详解(scrapy爬虫教程),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:scrapy爬虫流程,scrapy网络爬虫实战,scrapy爬虫总结,scrapy网络爬虫实战,scrapy爬虫实例,python中scrapy爬虫框架,scrapy网络爬虫实战,python中scrapy爬虫框架,内容如对您有帮助,希望把文章链接给更多的朋友!

下载图片

下载图片有两种方式,一种是通过 Requests 模块发送 get 请求下载,另一种是使用 Scrapy 的 ImagesPipeline 图片管道类,这里主要讲后者。

安装 Scrapy 时并没有安装图像处理依赖包 Pillow,需手动安装否则运行爬虫出错。

首先在 settings.py 中设置图片的存储路径:

IMAGES_STORE = 'D:/'

图片处理相关的选项还有:

之前已经存在提取内容的 TuchongPipeline 类,如果使用 ImagePipeline 可以将提取内容的操作都合并过来,但是为了更好的说明图片管道的作用,我们再单独创建一个 ImagePipeline 类,加到 pipelines.py 文件中,同时重载函数 get_media_requests:

上篇文章中我们把图片的URL保存在了 item['images'] 中,它是一个字典类型的数组,形如:[{img_id: img_url}, ...],此函数中需要把 img_url 取出并构建为 scrapy.Request 请求对象并返回,每一个请求都将触发一次下载图片的操作。

Python中Scrapy爬虫图片处理详解(scrapy爬虫教程)

到 settings.py 中注册 PhotoPipeline,并把优先级设的比提取内容的管道要高一些,保证图片下载优先于内容处理,目的是如果有图片下载未成功,通过触发 DropItem 异常可以中断这一个 Item 的处理,防止不完整的数据进入下一管道:

执行爬虫 scrapy crawl photo ,如无错误,在设定的存储目录中会出现一个 full 目录,里面是下载后的图片。

文件名处理

下载的文件名是以图片URL通过 sha1 编码得到的字符,类似 0acaacdc4fade7bcfa.jpg 不是太友好,可以通过重载 file_path 函数自定义文件名,比如可以这样保留原文件名:

上面这样处理难免会有重名的文件被覆盖,但参数 request 中没有过多的信息,不便于对图片分类,因此可以改为重载 item_completed 函数,在下载完成后对图片进行分类操作。

函数 item_completed 的定义:

参数中包含 item ,有我们抓取的所有信息,参数 results 为下载图片的结果数组,包含下载后的路径以及是否成功下载,内容如下:

重载该函数将下载图片转移到分类目录中,同时关联文件路径到 item 中,保持内容与图片为一个整体:

接下来在原 TuchongPipeline 类中写入数据库的操作中,通过 item['image_paths'] 路径信息写入本地图片链接。

除了 ImagesPipeline 处理图片外,还有 FilesPipeline 可以处理文件,使用方法与图片类似,事实上 ImagesPipeline 是 FilesPipeline 的子类,因为图片也是文件的一种。

Python科学画图代码分享 Python画图主要用到matplotlib这个库。Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。这里有一本电

Python编程使用tkinter模块实现计算器软件完整代码示例 Python提供了多个图形开发界面的库。Tkinter就是其中之一。Tkinter模块(Tk接口)是Python的标准TkGUI工具包的接口.Tk和Tkinter可以在大多数的Unix平台下使用,同样

Python爬虫实现爬取京东手机页面的图片(实例代码) 实例如下所示:__author__='FredZhao'importrequestsfrombs4importBeautifulSoupimportosfromurllib.requestimporturlretrieveclassPicture():def__init__(self):self.headers={'User-Agent':'Mozilla/5.0(Ma

标签: scrapy爬虫教程

本文链接地址:https://www.jiuchutong.com/biancheng/375472.html 转载请保留说明!

上一篇:Python使用django框架实现多人在线匿名聊天的小程序(django在pycharm)

下一篇:Python科学画图代码分享(python科学绘图)

  • 组成计税价格公式消费税
  • 多发了工资怎么处理
  • 银行代发工资户允许有余额吗
  • 捐赠的营业外收入怎么算
  • 广告公司会议记录内容
  • 清产核资账务处理方法
  • 资产减值损失负数是好是坏
  • 应收账款管理制度设计毕业设计
  • 主营业务收入冲销
  • 公司支付倒垃圾费怎么做会计分录
  • 行业协会需要办理税务登记证吗
  • 增值税发票地址变更后开原来的地址能用吗
  • 客户要开票资料干嘛
  • 土地租赁费含有多少税率
  • 员工旅游费需要缴纳个人所得税吗
  • 建筑企业在实施安全检查时,必须严格执行
  • 闲置的房屋可以计提折旧吗
  • 收到保险公司退款
  • 计入成本的有哪些科目
  • 利润表中利润归还投资
  • 卫生许可证为什么需要两个健康证
  • 营业成本过低的原因
  • 用友t3新账套总账设置
  • win8.1电脑设置在哪里
  • phppost带cookie提交
  • 创业补贴的作用
  • 出租个人住房怎样交税
  • php的implode
  • python字符串操作作业
  • php 正则
  • 奥勒松又叫什么
  • 建筑工程收到材料发票怎么做账
  • 应收票据应付票据合并抵消吗
  • 金税盘减免税款借方余额
  • 行政性罚款怎么结转损益
  • 非限定性收入属于什么科目?
  • 成本会计制造费用核算的内容
  • 一般纳税人的税负率是多少
  • 触发器失败是什么意思
  • 小企业长期债券投资
  • 个人开咨询费 有哪些税
  • 个人提供的劳务费要开发票,但是薪资不需要开发票
  • 企业所得税的步骤
  • 应交增值税结转账务处理
  • 商场联营扣点的合作方式
  • 母公司设立子公司协议
  • 固定资产计提完了怎么处理
  • 进项税怎么做账务处理
  • 预付账款的
  • 应交税金借方余额在报表列示
  • 收到专票可以不签字吗
  • 目标考核奖金做什么科目
  • 运费是属于什么会计科目
  • 什么是增资扩股协议
  • 赠送的产品怎么算成本
  • 现金日记账的日期栏是指记账凭证的日期
  • 商品型企业
  • sqlserver数据库显示单个用户
  • 高效的sql语句
  • win8系统之家官网
  • linux系统之间的区别
  • vmware img镜像
  • 电脑太慢了怎么解决
  • 直接玩鬼泣4
  • linux系统软件包安装
  • 两台没联网的电脑怎么创建局域网
  • jquery 点击按钮
  • cocos2d-x window实现鼠标移动 键盘事件
  • opengl gltranslatef
  • javascript学习指南
  • unity3d手机怎么打开
  • python函数判断
  • python3新增特性
  • jquery知识点总结
  • boost源码编译
  • 运城取暖费网上怎么交
  • 地税网上申报密码
  • 车辆购置税纳税申报表下载
  • 税务局人事工作总结(税务局工作人员年度工作总结报告)
  • 下载国税网上申报
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设