python爬虫之scrapy文件下载


 我们在写普通脚本的时候,从一个网站拿到一个文件的下载url,然后下载,直接将数据写入文件或者保存下来,但是这个需要我们自己一点一点的写出来,而且反复利用率并不高,为了不重复造轮子,scrapy提供很流畅的下载文件方式,只需要随便写写便可用了。

 mat.py文件

 1 # -*- coding: utf-8 -*-
 2 import scrapy
 3 from scrapy.linkextractor import LinkExtractor
 4 from weidashang.items import matplotlib
 5 
 6 class MatSpider(scrapy.Spider):
 7     name = "mat"
 8     allowed_domains = ["matplotlib.org"]
 9     start_urls = ['https://matplotlib.org/examples']
10 
11     def parse(self, response):
       #抓取每个脚本文件的访问页面,拿到后下载
12 link = LinkExtractor(restrict_css='div.toctree-wrapper.compound li.toctree-l2') 13 for link in link.extract_links(response): 14 yield scrapy.Request(url=link.url,callback=self.example) 15 16 def example(self,response):
      #进入每个脚本的页面,抓取源码文件按钮,并和base_url结合起来形成一个完整的url
17 href = response.css('a.reference.external::attr(href)').extract_first() 18 url = response.urljoin(href) 19 example = matplotlib() 20 example['file_urls'] = [url] 21 return example

pipelines.py

1 class MyFilePlipeline(FilesPipeline):
2     def file_path(self, request, response=None, info=None):
3         path = urlparse(request.url).path
4         return join(basename(dirname(path)),basename(path))

settings.py

1 ITEM_PIPELINES = {
2    'weidashang.pipelines.MyFilePlipeline': 1,
3 }
4 FILES_STORE = 'examples_src'

items.py

class matplotlib(Item):
    file_urls = Field()
    files = Field()

 run.py

1 from scrapy.cmdline import execute
2 execute(['scrapy', 'crawl', 'mat','-o','example.json'])

 


免责声明!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系本站邮箱yoyou2525@163.com删除。



 
粤ICP备18138465号  © 2018-2025 CODEPRJ.COM