Scrapy爬虫爬图

爬取 https://www.zhainanfu.com/tuku 下的图片，分别保存在各自的文件夹。
使用scrapy的ImagesPipeline类，参考https://scrapy-chs.readthedocs.io/zh_CN/latest/topics/images.html，但是官方文档中使用的时默认路径，无法分类保存，需要重写file_path函数，代码如下：

class MyImagesPipeline(ImagesPipeline):
    def get_media_requests(self, item, info):
        yield scrapy.Request(url=item['src'], meta={'item': item})

    def item_completed(self, results, item, info):
        return item

    def file_path(self, request, response=None, info=None):
        item = request.meta["item"]
        img_name =os.path.basename(item['src'])
        image_path = os.path.join(IMAGES_STORE, item['title'], img_name)
        if os.path.exists(image_path):
            md5 = hashlib.md5()
            md5.update(item['src'].encode("utf-8"))
            img_name = md5.hexdigest() + os.path.splitext(img_name)[-1]
            image_path = os.path.join(IMAGES_STORE, item['title'], img_name)
        print(image_path)
        return image_path

另外就是，scrapy的ImagesPipeline默认将所有下载的图片转换成通用的格式（JPG）和模式（RGB），因此对于gif文件下载后就全是静态图片，需要去重写ImagesPipeline中的下载方法，暂时没有做，也可以直接在PictureSpiderPipeline中进行下载处理。

详细代码见：https://github.com/50th/picture_spider/tree/master