Python3爬虫爬取英雄联盟高清桌面壁纸功能示例【基于Scrapy框架】

本文实例讲述了python3爬虫爬取英雄联盟高清桌面壁纸功能。分享给大家供大家参考，具体如下：

使用scrapy爬虫抓取英雄联盟高清桌面壁纸

源码地址：https://github.com/snowyme/loldesk

开始项目前需要安装python3和scrapy，不会的自行百度，这里就不具体介绍了

首先，创建项目

scrapy startproject loldesk

生成项目的目录结构

首先需要定义抓取元素，在item.py中，我们这个项目用到了图片名和链接

import scrapy
class loldeskitem(scrapy.item):
  name = scrapy.field()
  imgurl = scrapy.field()
  pass

接下来在爬虫目录创建爬虫文件，并编写主要代码，loldesk.py

import scrapy
from loldesk.items import loldeskitem
class loldeskpiderspider(scrapy.spider):
  name = "loldesk"
  allowed_domains = ["www.win4000.com"]
  # 抓取链接
  start_urls = [
    'http://www.win4000.com/zt/lol.html'
  ]
  def parse(self, response):
    list = response.css(".left_bar ul li")
    for img in list:
      imgurl = img.css("a::attr(href)").extract_first()
      imgurl2 = str(imgurl)
      next_url = response.css(".next::attr(href)").extract_first()
      if next_url is not none:
        # 下一页
        yield response.follow(next_url, callback=self.parse)
      yield scrapy.request(imgurl2, callback=self.content)
  def content(self, response):
    item = loldeskitem()
    item['name'] = response.css(".pic-large::attr(title)").extract_first()
    item['imgurl'] = response.css(".pic-large::attr(src)").extract()
    yield item
    # 判断页码
    next_url = response.css(".pic-next-img a::attr(href)").extract_first()
    allnum = response.css(".ptitle em::text").extract_first()
    thisnum = next_url[-6:-5]
    if int(allnum) > int(thisnum):
      # 下一页
      yield response.follow(next_url, callback=self.content)

图片的链接和名称已经获取到了，接下来需要使用图片通道下载图片并保存到本地，pipelines.py：

from scrapy.pipelines.images import imagespipeline
from scrapy.exceptions import dropitem
from scrapy.http import request
import re
class myimagespipeline(imagespipeline):
  def get_media_requests(self, item, info):
    for image_url in item['imgurl']:
      yield request(image_url,meta={'item':item['name']})
  def file_path(self, request, response=none, info=none):
    name = request.meta['item']
    name = re.sub(r'[？\\*|“<>:/()0123456789]', '', name)
    image_guid = request.url.split('/')[-1]
    filename = u'full/{0}/{1}'.format(name, image_guid)
    return filename
  def item_completed(self, results, item, info):
    image_path = [x['path'] for ok, x in results if ok]
    if not image_path:
      raise dropitem('item contains no images')
    item['image_paths'] = image_path
    return item

最后在settings.py中设置存储目录并开启通道：

# 设置图片存储路径
images_store = 'f:/python/loldesk'
#启动pipeline中间件
item_pipelines = {
  'loldesk.pipelines.myimagespipeline': 300,
}

在根目录下运行程序：

scrapy crawl loldesk

大功告成！！！一共抓取到128个文件夹

更多关于python相关内容可查看本站专题：《python socket编程技巧总结》、《python正则表达式用法总结》、《python数据结构与算法教程》、《python函数使用技巧总结》、《python字符串操作技巧汇总》、《python入门与进阶经典教程》及《python文件与目录操作技巧汇总》

希望本文所述对大家python程序设计有所帮助。