scrapy怎么实现自定爬取深度?

发布于 2022-09-12 02:12:17 字数 1325 浏览 29 评论 0

我想实现对一个网址的图片进行下载,然后对该网址里面所有a标签的链接页面的图片进行下载,以此类推,这是我写的代码,求教大佬怎么做到在spider里用循环实现自定义深度啊

import scrapy
from ..items import ImgspiderItem

full_img_list = []

class TestSpiderSpider(scrapy.Spider):
    name = 'test_spider'
    url = input("请输入要爬取的网址:")
    start_urls = [url]

    def parse(self, response):
        img_list = response.xpath('//img/@src').extract()
        a_list = response.xpath('//a/@href').extract()

        if img_list:
            item = ImgspiderItem()
            for img in img_list:
                if img is not None:
                    if img[0:4]!='http':
                        img = 'https:'+img
                        full_img_list.append(img)
                    elif img[0:5]!='https':
                        img = 'https:'+img.split(':',1)[1]
                        full_img_list.append(img)
                    else:
                        full_img_list.append(img)
            item['image_urls'] = full_img_list
            yield item
        for a in a_list:
            if a is not None:
                if a[0:4]!='http':
                    a = 'https:'+a
                elif a[0:5]!='https':
                    a = 'https:'+a.split(':',1)[1]
            yield scrapy.Request(
                a,
                callback=self.parse
            )

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文