香港云主机最佳企业级服务商!

ADSL拨号VPS包含了中国大陆(联通,移动,电信,)

中国香港,国外拨号VPS。

当前位置:云主机 > python >

电信ADSL拨号VPS
联通ADSL拨号VPS
移动ADSL拨号VPS

Python使用Scrapy爬取妹子图


时间:2021-12-08 14:51 作者:admin610456


python/' target='_blank'>python Scrapy爬虫,听说妹子图挺火,我整站爬取了,上周一共搞了大概8000多张图片。和大家分享一下。

核心爬虫代码

# -*- 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()

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

以上所述就是本文的全部内容了,希望大家能够喜欢。

(责任编辑:admin)






帮助中心
会员注册
找回密码
新闻中心
快捷通道
域名登录面板
虚机登录面板
云主机登录面板
关于我们
关于我们
联系我们
联系方式

售前咨询:17830004266(重庆移动)

企业QQ:383546523

《中华人民共和国工业和信息化部》 编号:ICP备00012341号

Copyright © 2002 -2018 香港云主机 版权所有
声明:香港云主机品牌标志、品牌吉祥物均已注册商标,版权所有,窃用必究

云官方微信

在线客服

  • 企业QQ: 点击这里给我发消息
  • 技术支持:383546523

  • 公司总台电话:17830004266(重庆移动)
  • 售前咨询热线:17830004266(重庆移动)