使用scrapy下载图像时遇到问题

Question

我用 python scrapy 编写了一个脚本来从网站下载一些图像。当我运行我的脚本时，我可以在控制台中看到图像的链接（它们都是.jpg 格式）。但是，当我打开下载完成后应该保存图像的文件夹时，我什么也没有。我哪里出错了？

这是我的蜘蛛（我从 sublime 文本编辑器运行）：

import scrapy
from scrapy.crawler import CrawlerProcess

class YifyTorrentSpider(scrapy.Spider):
    name = "yifytorrent"

    start_urls= ['https://www.yify-torrent.org/search/1080p/']

    def parse(self, response):
        for q in response.css("article.img-item .poster-thumb"):
            image = response.urljoin(q.css("::attr(src)").extract_first())
            yield {'':image}

c = CrawlerProcess({
    'USER_AGENT': 'Mozilla/5.0',   
})
c.crawl(YifyTorrentSpider)
c.start()

这是我在settings.py 中为要保存的图像定义的：

ITEM_PIPELINES = {
    'scrapy.pipelines.images.ImagesPipeline': 1,
}
IMAGES_STORE = "/Desktop/torrentspider/torrentspider/spiders/Images"

---

为了让事情更清楚：

1. 我希望保存图像的文件夹名为Images，我已将其放置在项目torrentspider 下的spider 文件夹中。
2. Images 文件夹的实际地址是C:\Users\WCS\Desktop\torrentspider\torrentspider\spiders。

这不是在items.py 文件的帮助下成功运行脚本。因此，任何使用items.py 文件进行下载的解决方案都不是我想要的。

Answer 1

您生成的项目不遵循 Scrapy 的文档。正如他们的media pipeline documentation 中所详述的那样，该项目应该有一个名为image_urls 的字段。您应该将 parse 方法更改为与此类似的方法。

def parse(self, response):
    images = []
    for q in response.css("article.img-item .poster-thumb"):
        image = response.urljoin(q.css("::attr(src)").extract_first())
        images.append(image)
    yield {'image_urls': images} 

我刚刚对此进行了测试，它可以工作。此外，正如 Pruthvi Kumar 评论的那样，IMAGES_STORE 应该就像

IMAGES_STORE = 'Images'

Answer 2

扫描上面的代码让我印象深刻的是IMAGES_STORE 的路径。 / 表示您将转到机器的绝对根路径，因此您可以将绝对路径放在要保存的位置，或者只是从运行爬虫的位置执行相对路径

我在一台 linux 机器上，所以我的绝对路径类似于 IMAGES_STORE = /home/pk/myProjects/scraper/images

或

IMAGES_STORE = 'images'

另外，最重要的是，如果您使用默认管道，则保存提取图像的变量（您在其中执行extract_first()）必须是image_urls。

您还缺少几个步骤。在你的蜘蛛中，添加这个：

class ImgData(Item):
    image_urls=scrapy.Field()
    images=scrapy.Field()

在yield这一步，修改为：

yield ImgData(image_urls=response.urljoin(q.css("::attr(src)").extract_first()))