首页 > 其他 > 详细

用scrapy框架爬取映客直播用户头像

时间:2017-11-09 00:38:02      阅读:560      评论:0      收藏:0      [点我收藏+]

1. 创建项目 scrapy startproject yingke cd yingke

2. 创建爬虫  scrapy genspider live

3. 分析http://www.inke.cn/hotlive_list.html网页的response,找到响应里面数据的规律,并找到的位置,通过response.xpath()获取到

4. 通过在pipline里面进行数据的清洗,过滤,保存

5. 实现翻页,进行下一页的请求处理

6. 运行爬虫 scrapy crawl live

说明:这个程序直接在parse方法里面进行图片保存,保存在本地,正常使用yield关键字进行在pipline中保存。

# -*- coding: utf-8 -*-
import scrapy
import re


class LiveSpider(scrapy.Spider):
    name = live
    allowed_domains = [inke.cn]
    start_urls = [http://www.inke.cn/hotlive_list.html?page=1]

    def parse(self, response):
        div_list = response.xpath("//div[@class=‘list_box‘]")

        for div in div_list:
            item = {}
            img_src = div.xpath("./div[@class=‘list_pic‘]/a/img/@src").extract_first()
            item["user_name"] = div.xpath(
                "./div[@class=‘list_user_info‘]/span[@class=‘list_user_name‘]/text()").extract_first()
            print(item["user_name"])
            yield scrapy.Request(  # 发送详情页的请求
                img_src,
                callback=self.parse_img,
                meta={"item": item}
            )
        # 下一页
        now_page = re.findall("page=(.*)", response.request.url)[0]
        now_page= int(now_page)

        next_url = "http://www.inke.cn/hotlive_list.html?page={}".format(str(now_page+ 1))
        yield scrapy.Request(
            next_url,
            callback=self.parse
        )

    def parse_img(self, response):
        user_name = response.meta["item"]["user_name"]

        with open("images/{}.png".format(user_name), "wb") as f:

            f.write(response.body)

运行效果:

技术分享

用scrapy框架爬取映客直播用户头像

原文:http://www.cnblogs.com/greatfish/p/7806995.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!