微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

Python使用Scrapy爬取妹子图

Python Scrapy爬虫,听说妹子图挺火,我整站爬取了,上周一共搞了大概8000多张图片。和大家分享一下。

核心爬虫代码

# -*- coding: utf-8 -*-
from scrapy.selector import Selector
import scrapy
from scrapy.contrib.loader import Itemloader,Identity
from fun.items import MeizituItem
 
 
class MeizituSpider(scrapy.Spider):
  name = "meizitu"
  allowed_domains = ["meizitu.com"]
  start_urls = (
    'http://www.meizitu.com/',)
 
  def parse(self,response):
    sel = Selector(response)
    for link in sel.xpath('//h2/a/@href').extract():
      request = scrapy.Request(link,callback=self.parse_item)
      yield request
 
    pages = sel.xpath("//div[@class='navigation']/div[@id='wp_page_numbers']/ul/li/a/@href").extract()
    print('pages: %s' % pages)
    if len(pages) > 2:
      page_link = pages[-2]
      page_link = page_link.replace('/a/','')  
      request = scrapy.Request('http://www.meizitu.com/a/%s' % page_link,callback=self.parse)
      yield request
 
  def parse_item(self,response):
    l = Itemloader(item=MeizituItem(),response=response)
    l.add_xpath('name','//h2/a/text()')
    l.add_xpath('tags',"//div[@id='maincontent']/div[@class='postMeta clearfix']/div[@class='MetaRight']/p")
    l.add_xpath('image_urls',"//div[@id='picture']/p/img/@src",Identity())
 
    l.add_value('url',response.url)
    return l.load_item()

项目地址:https://github.com/ZhangBohan/fun_crawler

以上所述就是本文的全部内容了,希望大家能够喜欢。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐