【Python篇】scrapy爬蟲
前言
Scrapy是一個為了爬取網站或API資料,提取結構性資料而編寫的應用框架。 可以應用在包括資料探勘,資訊處理或儲存歷史資料等一系列的程式中。
該文章是通過scrapy爬取https://www.yelp.com/關於[Restaurants]模組每個餐館的選單圖片」
1、工具安裝
1.1 安裝Python環境
Mac一般自帶 Python 2.7,不用額外安裝
1.2 安裝pip
sudo install pip
1.3 安裝pycharm
https://www.jetbrains.com/pycharm/
2、建立專案
scrapy startproject imageSpider
3、開始爬蟲
3.1 設定Item
class MenuImageItem(scrapy.Item):
# define the fields for your item here like:
image_urls = scrapy.Field()
image_name = scrapy.Field()
3.2 設定pipelines
class TestspiderPipeline(ImagesPipeline):
default_headers = {
}
def get_media_requests(self, item, info):
for image_url in item['image_urls']:
yield Request(image_url, meta={'item': item, 'index': item['image_urls'].index(image_url)})
def file_path(self, request, response=None, info=None):
print '---------------'
item = request.meta['item'] # 通過上面的meta傳遞過來item
index = request.meta['index'] # 通過上面的index傳遞過來列表中當前下載圖片的下標
# 圖片檔名,item['carname'][index]得到汽車名稱,request.url.split('/')[-1].split('.')[-1]得到圖片字尾jpg,png
image_guid = request.url.split('/')[-1]
# os.path.splitext()[0]
# 圖片下載目錄 此處item['country']即需要前面item['country']=''.join()......,否則目錄名會變成\u97e9\u56fd\u6c7d\u8f66\u6807\u5fd7\xxx.jpg
img_file_name = u'source/{0}/images/{1}'.format(item['image_name'],image_guid)
return img_file_name
3.3 設定setting
ITEM_PIPELINES = {
# 'imageDemo.pipelines.ImagedemoPipeline': 300,
# 'imageDemo.pipelines.MenuImagePipeline': 300,
'imageDemo.pipelines.SubDoubanImgDownloadPipeline': 300,
}
IMAGES_STORE = '/Users/chenxiao/Desktop/'
3.4 編寫spider
import scrapy
from scrapy.selector import Selector
from imageDemo.items import ImagedemoItem
from imageDemo.items import MenuImageItem
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
class imageSpider(scrapy.Spider):
name = "imageSpider"
allowed_domains = ["yelp.com"]
start_urls = [
# "https://www.yelp.com/search?cflt=restaurants&find_loc=San%20Francisco%2C%20CA&start=0",
# "https://www.yelp.com/biz_photos/peoples-bistro-san-francisco-4?tab=menu",
"https://www.yelp.com/biz_photos/peter-luger-brooklyn-2?tab=menu",
]
def parse(self, response):
sel = Selector(response)
menuList = sel.xpath('//*[@id="super-container"]/div[2]/div/div[2]/div[2]/ul/li/div/img/@src').extract()
print menuList
# print '>>>>>>>'
yield MenuImageItem(image_urls=menuList, image_name='peter-luger')
# list = sel.xpath('//*[@id="wrap"]/div[3]/div[2]/div[2]/div/div[1]/div[1]/div/ul/li/div/div/div/div/div[2]/div[1]/div[1]/div[1]/div[1]/h3/a[@class="lemon--a__373c0__IEZFH link__373c0__29943 link-color--blue-dark__373c0__1mhJo link-size--inherit__373c0__2JXk5"]/text()').extract()
# print list
# for item in list:
# print item
# print '>>>>>'
# yield ImagedemoItem(name=item)
4、下載資源
scrapy crawl imageSpider
5、專案原始碼
https://github.com/GeeksChen/ScrapyDemo
##注意:
1、command not found: scrapy
https://blog.csdn.net/EDDYCJY/article/details/77482228
ln -s /Users/xinyinhe/Library/Python/2.7/bin/scrapy /usr/local/bin/scrapy
找到python/bin/scrapy 然後進行軟連結
相關文章
- Python爬蟲—Scrapy框架Python爬蟲框架
- python爬蟲Scrapy框架Python爬蟲框架
- Python爬蟲之Scrapy學習(基礎篇)Python爬蟲
- JB的Python之旅-爬蟲篇--requests&ScrapyPython爬蟲
- Python Scrapy 爬蟲(二):scrapy 初試Python爬蟲
- Python爬蟲深造篇(四)——Scrapy爬蟲框架啟動一個真正的專案Python爬蟲框架
- python網路爬蟲(14)使用Scrapy搭建爬蟲框架Python爬蟲框架
- Python爬蟲教程-30-Scrapy 爬蟲框架介紹Python爬蟲框架
- 爬蟲--Scrapy簡易爬蟲爬蟲
- Python爬蟲教程-31-建立 Scrapy 爬蟲框架專案Python爬蟲框架
- Scrapy爬蟲框架爬蟲框架
- Scrapy爬蟲-草稿爬蟲
- python 爬蟲對 scrapy 框架的認識Python爬蟲框架
- Python爬蟲 ---scrapy框架初探及實戰Python爬蟲框架
- Python3爬蟲(十八) Scrapy框架(二)Python爬蟲框架
- python爬蟲常用之Scrapy 中介軟體Python爬蟲
- python爬蟲系列(三)scrapy基本概念Python爬蟲
- Python網路爬蟲4 - scrapy入門Python爬蟲
- 利用scrapy建立初始Python爬蟲專案Python爬蟲
- 爬蟲(9) - Scrapy框架(1) | Scrapy 非同步網路爬蟲框架爬蟲框架非同步
- scrapy爬蟲代理池爬蟲
- 爬蟲實戰scrapy爬蟲
- Python爬蟲 --- 2.3 Scrapy 框架的簡單使用Python爬蟲框架
- Python爬蟲教程-33-scrapy shell 的使用Python爬蟲
- Python爬蟲框架:scrapy爬取高考派大學資料Python爬蟲框架
- scrapy之分散式爬蟲scrapy-redis分散式爬蟲Redis
- Scrapy框架的使用之Scrapy通用爬蟲框架爬蟲
- Python爬蟲教程-32-Scrapy 爬蟲框架專案 Settings.py 介紹Python爬蟲框架
- scrapy + mogoDB 網站爬蟲Go網站爬蟲
- Scrapy爬蟲框架的使用爬蟲框架
- 爬蟲框架-scrapy的使用爬蟲框架
- 使用python的scrapy來編寫一個爬蟲Python爬蟲
- Python爬蟲筆記(4):利用scrapy爬取豆瓣電影250Python爬蟲筆記
- 為什麼學習python及爬蟲,Python爬蟲[入門篇]?Python爬蟲
- Python 爬蟲(六):使用 Scrapy 爬取去哪兒網景區資訊Python爬蟲
- 爬蟲(14) - Scrapy-Redis分散式爬蟲(1) | 詳解爬蟲Redis分散式
- 爬蟲 Scrapy框架 爬取圖蟲圖片並下載爬蟲框架
- 【Python學習】爬蟲爬蟲爬蟲爬蟲~Python爬蟲