scrapy图片的下载的整理资料

scrapy图片的下载的配置步骤和思路：

1)项目的settings.py文件中，设置：

对于Images Pipeline，设置

ITEM_PIPELINES = {'scrapy.pipelines.images.ImagesPipeline': 1}

IMAGES_STORE = '/path/to/valid/dir'

还能为下载的图片自动生成缩略图，字典类型IMAGE_THUMBS，

例如：

IMAGES_THUMBS = {

'small':(50,50),

'big':(270,270),

}

当用这个特性时，Images Pipeline将用规定的每一种尺寸生成缩率图，格式如下:

<IMAGES_STORE>/thumbs/<size_name>/<image_id>.jpg

这里：

<IMAGES_STORE>是指在settings 文件中设置的IMAGES_STORE 路径

<size_name>是指IMAGES_THUMBS的字典的键值

<image_id>是image url的SHA1 hash

例如：

<IMAGES_STORE>/full/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg

<IMAGES_STORE>/thumbs/small/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg

<IMAGES_STORE>/thumbs/big/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg

过滤小图片

当我们用Images Pipeline时，通过声明可允许的最小尺寸（设置IMAGES_MIN_HEIGHT和

IMAGES_MIN_WIDTH）,过滤太小的图片。

例如：

IMAGE_MIN_HEIGHT = 110

IMAGE_MIN_WIDTH = 110

注意：这些尺寸的限制不会影响缩略图生成

默认情况下，没有限制，所有的图片都会被处理。

对于Files Pipeline，设置

ITEM_PIPELINES = {'scrapy.pipelines.files.FilesPipeline': 1}

FILES_STORE = '/path/to/valid/dir'

【备注：我们可同时使用Images Pipeline和Files Pipeline】

2，保存的方法

保存的方法有2种，1是重写函数，2是直接用指定的函数

1)重写函数

def get_media_requests(self, item, info):

    for file_url in item['file_urls']:

        yield scrapy.Request(file_url)

from scrapy.exceptions import DropItem

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

    file_paths = [x['path'] for ok, x in results if ok]

    if not file_paths:

        raise DropItem("Item contains no files")

    item['file_paths'] = file_paths

    return item

2）是直接用指定的函数

在pipline文件中增加了image_key函数,代码如下：

def image_key(self, url):

        year,month = url.split('/')[-3],url.split('/')[-2]

        image_guid = hashlib.sha1(url).hexdigest()

        img_path = "%s/%s/%s" % (year,month,self.title)

        return '%s/%s.jpg' % (img_path, image_guid)

有这么一句话：

ImagesPipeline.image_key(url) and file_key(url) methods are deprecated, please use file_path(request, response=None, info=None) instead

也就是说，在最新版本的Scrapy中（0.22.2），使用file_path代替image_key函数。

def file_path(self, request, response=None, info=None):  

        image_guid = request.url.split('/')[-1]  

        return 'full/%s' % (image_guid)  

问题：

1，保存图片的路径地圵，如果是文章，需要替换里面的图片地圵。

2，在item中，其有两个变量，一个是images,一个是image_urls,它们的关系如何。

3，其需要pillow的支持，需要先安装一下pip install pillow