最近のデータは、爬虫類の写真をクロールフェッチする必要があり、絵はsettings.pyに設定されているデフォルトのパイプラインを使用し始めました
ITEM_PIPELINES = {'scrapy.pipelines.images.ImagesPipeline': 1}
。しかし、絵の名前はカスタマイズすることができないが、ImagesPipelineを見つける絵コードのデフォルト名を見つけます
def file_path(self, request, response=None, info=None):
## start of deprecation warning block (can be removed in the future)
def _warn():
from scrapy.exceptions import ScrapyDeprecationWarning
import warnings
warnings.warn('ImagesPipeline.image_key(url) and file_key(url) methods are deprecated, '
'please use file_path(request, response=None, info=None) instead',
category=ScrapyDeprecationWarning, stacklevel=1)
# check if called from image_key or file_key with url as first argument
if not isinstance(request, Request):
_warn()
url = request
else:
url = request.url
# detect if file_key() or image_key() methods have been overridden
if not hasattr(self.file_key, '_base'):
_warn()
return self.file_key(url)
elif not hasattr(self.image_key, '_base'):
_warn()
return self.image_key(url)
## end of deprecation warning block
image_guid = hashlib.sha1(to_bytes(url)).hexdigest() # change to request.url after deprecation
return 'full/%s.jpg' % (image_guid)
つまりhashlib.sha1(to_bytes(url)).hexdigest()
、urlhash値。絵のように情報の一部に関連付けられている必要があるので、溶液の三種類があります。
- 図1に示すように、メッセージに直接ハッシュ画像のURLを記録
- 2、カスタムImagesPipelineは、scrapy画像でカスタムの名前を渡します。
- 3、カスタムImagesPipeline、名前ImagesPipelineに自分の画像を生成します
スキーム1をともかく、スキーム3を参照することができ、この 2人は、より拡張性を感じるプログラム。これは、画像記憶するアドレスと同様とすることができるIMAGES_URLS_FIELD
処理方法、設定で構成しIMAGES_NAME_FIELD
、かつそのように制御画像名scrapy、フィールド名に対応する画像として、パイプライン内のアイテムを読み出します。
具体的なコードは次のよう:
- 1、scrapy name属性ImagenetItemを追加
item = ImagenetItem()
url = imgs[i]
item['src'] = [url]
item['name'] = url[-35: -3]
- 2、でitems.pyで定義ピクチャアイテム。
class ImagenetItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
src = scrapy.Field()
name = scrapy.Field()
pass
- 3、パイプラインの定義はpipeline.pyでcrapy.pipelines.images.ImagesPipelineを継承します
class PicPipeline(ImagesPipeline):
IMAGES_NAME_FIELD = ''
def __init__(self, store_uri, download_func=None, settings=None):
super(ImagesPipeline, self).__init__(store_uri, settings=settings,
download_func=download_func)
if isinstance(settings, dict) or settings is None:
settings = Settings(settings)
resolve = functools.partial(self._key_for_pipe,
base_class_name="PicPipeline",
settings=settings)
self.expires = settings.getint(
resolve("IMAGES_EXPIRES"), self.EXPIRES
)
if not hasattr(self, "IMAGES_RESULT_FIELD"):
self.IMAGES_RESULT_FIELD = self.DEFAULT_IMAGES_RESULT_FIELD
if not hasattr(self, "IMAGES_URLS_FIELD"):
self.IMAGES_URLS_FIELD = self.DEFAULT_IMAGES_URLS_FIELD
self.images_urls_field = settings.get(
resolve('IMAGES_URLS_FIELD'),
self.IMAGES_URLS_FIELD
)
self.images_result_field = settings.get(
resolve('IMAGES_RESULT_FIELD'),
self.IMAGES_RESULT_FIELD
)
self.min_width = settings.getint(
resolve('IMAGES_MIN_WIDTH'), self.MIN_WIDTH
)
self.min_height = settings.getint(
resolve('IMAGES_MIN_HEIGHT'), self.MIN_HEIGHT
)
self.thumbs = settings.get(
resolve('IMAGES_THUMBS'), self.THUMBS
)
self.images_name_field = settings.get(
resolve('IMAGES_NAME_FIELD'),
self.IMAGES_NAME_FIELD
)
def get_media_requests(self, item, info):
return [Request(x, meta={'file_name': item.get(self.images_name_field, '')}) for x in item.get(self.images_urls_field, [])]
def file_path(self, request, response=None, info=None):
## start of deprecation warning block (can be removed in the future)
def _warn():
from scrapy.exceptions import ScrapyDeprecationWarning
import warnings
warnings.warn('ImagesPipeline.image_key(url) and file_key(url) methods are deprecated, '
'please use file_path(request, response=None, info=None) instead',
category=ScrapyDeprecationWarning, stacklevel=1)
# check if called from image_key or file_key with url as first argument
if not isinstance(request, Request):
_warn()
url = request
else:
url = request.url
image_guid = request.meta['file_name'] # change to request.url after deprecation
return 'full/%s.jpg' % (image_guid)
実質的に、元のコードの変更で、images_name_field定義されたフィールドを集中、名前get_media_requests方法で初期値initはメタ属性要求を普及し、その後FILE_PATHプロセスの値を取得します。
- 4、私達はちょうどsettings.pyで定義されているパイプラインを構成します。
ITEM_PIPELINES = {
'tutorial.pipelines.PicPipeline': 1,
}
IMAGES_STORE = 'imagesDownload'
IMAGES_URLS_FIELD = 'src'#定义url字段
IMAGES_NAME_FIELD = 'name'#定义图片名字字段与item对应
これは、画像の名前としてIMAGES_NAME_FIELDフィールドを拡大していきます。