網站：

http://images.so.com/

切換到攝影介面。

開啟開發者工具：

我們在下拉的時候可以看到這是一個ajax請求，資料結構是json。

sn=30返回的是前30張圖片，sn=60返回的是30到60的圖片。

建立專案：

構造請求：

url為：http://images.so.com/zj?ch=photography&listtype=new&sn=30&listtype=new

def start_requests(self):
    data = {'ch': 'photography', 'listtype': 'new'}
    base_url = 'http://images.so.com/zj?'
    for page in range(1,self.settings.get('MAX_PAGE')+1):
        data['sn'] = page*30
        data['temp'] = 1
        params = urlencode(data)
        url = base_url+params
        yield Request(url, self.parse)

提取資訊：

首先要定義一個Item：

from scrapy import Item,Field

class Images360Item(Item):
    #MongoDb儲存的collection名稱和mysql的表名稱
    collection = table = 'images'
    id = Field()
    url = Field()
    title = Field()
    thumb = Field()

提取Spider的資訊：

from ..items import Images360Item
import json

def parse(self, response):
    # print(response)
    result = json.loads(response.text)

    for image in result.get('list'):
        item = Images360Item()
        item['id'] = image.get('imageid')
        item['url'] = image.get('qhimg_url')
        item['title'] = image.get('group_title')
        item['thumb'] = image.get('qhimg_thumb_url')
        yield item

儲存資訊

pipelines.py檔案中

Mongo儲存

class MongoPipeline(object):
    #初始化資料庫
    def __init__(self,mongo_uri,mongo_db):
        self.mongo_uri =mongo_uri
        self.mongo_db =mongo_db

    @classmethod
    def from_crawler(cls,crawler):
        return cls(
            mongo_uri=crawler.settings.get('MONGO_URI'),
            mongo_db = crawler.settings.get('MONGO_DB')
        )

    def open_spider(self,spider):
        """初始化資料庫"""
        self.client = pymongo.MongoClient(self.mongo_uri)
        self.db = self.client[self.mongo_db]

    def process_item(self,item,spider):
        """存入資料"""
        self.db[item.collection].insert(dict(item))
        return item

    def close(self,item,spider):
        """關閉資料庫"""
        self.client.close()

Mysql儲存：

class MysqlPipeline():
    def __init__(self, host, database, user, password, port):
        self.host = host
        self.database = database
        self.user = user
        self.password = password
        self.port = port

    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            host=crawler.settings.get('MYSQL_HOST'),
            database=crawler.settings.get('MYSQL_DATABASE'),
            user=crawler.settings.get('MYSQL_USER'),
            password=crawler.settings.get('MYSQL_PASSWORD'),
            port=crawler.settings.get('MYSQL_PORT'),
        )

    def open_spider(self, spider):
        self.db = pymysql.connect(self.host, self.user, self.password, self.database, charset='utf8',
                                  port=self.port)
        self.cursor = self.db.cursor()

    def close_spider(self, spider):
        self.db.close()

    def process_item(self, item, spider):
        
        data = dict(item)
        keys = ', '.join(data.keys())
        values = ', '.join(['%s'] * len(data))
        sql = 'insert into %s (%s) values (%s)' % (item.table, keys, values)
        self.cursor.execute(sql, tuple(data.values()))
        self.db.commit()
        return item

然後下載圖片，程式碼如下：

class ImagePipeline(ImagesPipeline):
    def file_path(self, request, response=None, info=None):
        # 獲取下載路徑
        url = request.url
        print('******************')
        print(url)
        # 命名
        file_name = url.split('/')[-1]
        return file_name

    def item_completed(self, results, item, info):
        # results對應下載結果，是一個列表形式
        image_paths = [x['path'] for ok, x in results if ok]
        if not image_paths:
            raise DropItem('Image Downloaded Failed')
        return item

    def get_media_requests(self, item, info):
        #將url欄位拿出來，執行下載。
        yield Request(item['url'])

然後在settings.py檔案中新增下載路徑：

IMAGES_STORE = './images'

啟用管道檔案：

ITEM_PIPELINES = {
    'images360.pipelines.ImagePipeline': 300,
    'images360.pipelines.MongoPipeline': 301,
    'images360.pipelines.MysqlPipeline': 302,

}

資料庫配置的設定：

MONGO_URI = 'localhost'
MONGO_DB = 'images360'
MYSQL_HOST = 'localhost'
MYSQL_DATABASE = 'images360'
MYSQL_PORT = 3306
MYSQL_USER = 'root'
MYSQL_PASSWORD = '123456'

最後儲存的結果如下：

Mongo:

Mysql：

注意：最後幾項的配置一定不能出錯，不然或是產生儲存不了的結果，或是圖片無法下載的結果。