Scrapy问题记录
程序员文章站
2022-05-31 11:19:55
...
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')
上一篇: 一次同步不当的bug记录。
下一篇: mysql的XA事务恢复_MySQL