新手如何建站/外链系统

上一篇博客已经讲述了对文本信息的爬取，本章将详细说一下对图片信息的爬取。

首先先看一下项目的目录：

 

老规矩，根据代码页进行讲解：(本次只针对一个页面进行讲解，多页面爬取只需解除注释即可)

kgcspider.py

# -*- coding: utf-8 -*-
import scrapy
from kgc.items import *class KgcspiderSpider(scrapy.Spider):name = 'kgcspider'#allowed_domains = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml']start_urls = ['http://www.kgc.cn/list/230-1-6-9-9-0.shtml']def parse(self, response):#print(response.body.decode())title = response.css('a.yui3-u.course-title-a.ellipsis::text').extract()price=response.css('div.right.align-right>span::text').extract()persons=response.css('span.course-pepo::text').extract()image_urls=response.css('a.kgc-w>img::attr("src")').extract()#print(title)datas=zip(title,price,persons,image_urls)for d in datas:item=KgcItem()item['title']=d[0]item['price']=d[1]item['persons']=d[2]item['image_urls']=[d[3]]yield  item# next_url=response.css('li.next>a::attr("href")').extract_first()#
        # if next_url is not None:#     yield response.follow(next_url,self.parse)

精解：对于之前的文本内容的爬取代码保持不变，增加的图片的爬取路径image_urls,也对其进行循环输出，并且放到item中。

item.py

import scrapy
class KgcItem(scrapy.Item):# define the fields for your item here like:# name = scrapy.Field()title=scrapy.Field()price=scrapy.Field()persons=scrapy.Field()image_urls=scrapy.Field()images=scrapy.Field()

精解：在实体类item中，加入存储的field，并且对图片images进行存取。images存储的时图片的一些存储路径path，爬取路径URL等，后期可以根据path查询图片。

piplines.py

class KgcPipeline(object):def open_spider(self,spider):#当蜘蛛启动时自动执行self.file=open("/home/yzhl/IdeaProjects/kgc/kgc.csv","w",encoding='utf8')def process_item(self, item, spider):#蜘蛛每yild一个item，执行一次line=item["title"]+","+item["price"]+','+item["persons"]+','+item["images_urls"]+'\n'self.file.write(line)return itemdef close_spider(self,spider):#蜘蛛完成工作关闭执行self.file.close()

 精解：当启动蜘蛛后，这个kgc.csv文件的类型已经不再适用，item.py只对其执行yield的item，所以就需要对setting文件进行配置了。

setting.py

ITEM_PIPELINES = {'kgc.pipelines.KgcPipeline': 300,'scrapy.pipelines.images.ImagesPipeline': 1,
}
IMAGES_STORE='/home/yzhl/kgcimages'

精解：在intem_pipelines中加入scrapy关于图片images的管道，同时还要在实体类item中写入关于store的路径，路径即存储图片的文件夹的路径，这样下载的图片就会依次存入到文件夹的目录下。

路径获取：cd到当前目录下，pwd查找当前路径。