Scrapy问题记录

一、Filtered offsite request

由于指定了allowed_domains的参数，所有不符合规定的url将被忽略，导致部分url爬取失败，解决方法时不设置该参数，或者设置dont_filter=true

yield Request(url, callback=self.parse_item, dont_filter=True)

二、Item

负责将数据进行结构话的保存，在parse方法中将数据保存到item中，并且返回yield方法，数据会传入到pipline中。

三、pipline

负责保存数据，在settings进行配置，IMAGES_URLS_FIELD必须是一个数组，对应的是item中保存图片的字段

ITEM_PIPELINES = {
   'ArticleSpider.pipelines.ArticlespiderPipeline': 300,
    #配置图片下载的方式
  # 'scrapy.pipelines.images.ImagesPipeline':1
}
##指定从Item的哪个参数获取image url
"""
IMAGES_URLS_FIELD会接收一个数组函数
"""
IMAGES_URLS_FIELD="front_img_url"
##指定保存图片的位置
project_dir=os.path.abspath(os.path.dirname(__file__))
##图片保存路径
IMAGE_STORE=os.path.join(project_dir,'images')