scrapy中下載文件和圖片

下載文件是一種很常見的需求，例如當你在使用爬蟲爬取網站中的圖片、視頻、word、pdf、壓縮包等的時候

 

scrapy中提供了FilesPipeline和ImagesPipeline，專門用來下載文件和圖片：

　　我們其實可以把這兩個item pipeline看成是特殊的下載器，用戶使用的時候只需要通過item的一個特殊的字段就可以將要下載的文件或者圖片的url傳遞給它們，它們會自動將文件或者圖片下載到本地，並將下載的結果信息存入到item的另一個特殊的字段，方便用戶在導出文件的時候查閱

　　FilesPipeline

　　　　使用FilesPipeline下載頁面中所有的PDF文件，

1. 1. 在配置文件settings中啟用FilesPipeline，通常將其至於其它的item pipeline的前面
   2. 在配置文件中settings中，使用FILES_STORE指定文件的下載目錄
   3. 在spider解析一個包含文件下載鏈接的頁面的時候，將所有的需要下載文件的url地址都收集到一個列表中，賦值給item的file_urls字段(item['file_urls'])。FilesPipeline在處理每一項item的時候會去讀item['file_urls']，對其中的每一個url進行下載

　　　　當FilesPipeline下載完item['file_urls']所有的文件后，會講各個文件的下載結果收集到另一個列表，賦值給item的files字段item['files']。下載的結果包括以下內容：

1. 1. Path：文件下載到本地的路徑（相對於FILES_STORE的相對路徑）。
   2. Checksum：文件的校驗
   3. url：文件的url地址

　　ImagesPipeline

　　　　圖片也是文件，所以下載圖片本質上其實也是下載文件，ImagesPipeline是FilesPipeline的子類，使用上和FilesPipeline大同小異，只是在所使用的item字段和配置選項上略有差別，

　　　　　　ImagesPipeline在FilesPipeline的基礎上針對圖片增加了一些特有的功能：

1. 1. 1. 為圖片生成縮略圖
         1. 開啟這個功能，只需要在settings中設置IMAGES_THUMBS，它是一個字典，每一項的值都是縮略圖的尺寸

            IMAGES_THUMBS = {
               'small': (50, 50),
               'big': (270, 270),
            }

         2. 當你下載圖片的時候，本地會出現三張圖片（一張原圖，兩張縮略圖）
      2. 過濾掉尺寸過小的圖片
         1. 1. 1. 開啟這個功能后，如果下載一張指定寬高的圖片，該圖片就會被拋棄掉，因為他的寬高不符合標准
               2. 需要在settings中配置IMAGES_MIN_WIDTH和IMAGES_MIN_HEIGHT，它們分別是指定圖片的最小寬和高

                  IMAGES_MIN_WIDTH = 110 
                  IMAGES_MIN_HEIGHT = 110