Python使用Scrapy爬取妹子圖

來源:互聯網
上載者:User
Python Scrapy爬蟲,聽說妹子圖挺火,我整站爬取了,上周一共搞了大概8000多張圖片。和大家分享一下。

核心爬蟲代碼

# -*- coding: utf-8 -*-from scrapy.selector import Selectorimport scrapyfrom scrapy.contrib.loader import ItemLoader, Identityfrom 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()

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

以上所述就是本文的全部內容了,希望大家能夠喜歡。

  • 聯繫我們

    該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

    如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

    A Free Trial That Lets You Build Big!

    Start building with 50+ products and up to 12 months usage for Elastic Compute Service

    • Sales Support

      1 on 1 presale consultation

    • After-Sales Support

      24/7 Technical Support 6 Free Tickets per Quarter Faster Response

    • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.