scrapy爬取福利圖片解決防盜鏈的問題

防盜鏈介紹:基礎(chǔ)防盜鏈主要是針對(duì)客戶端請(qǐng)求過程中所攜帶的一些關(guān)鍵信息來驗(yàn)證請(qǐng)求的合法性, 比如客戶端請(qǐng)求IP,請(qǐng)求URL中攜帶的referer。優(yōu)點(diǎn)是規(guī)則簡單,配置和使用都很方便,缺點(diǎn)是防盜鏈所依賴的驗(yàn)證信息很多都是可以偽造的,因此此類防盜鏈可靠性較低。

創(chuàng)建工程: scrapy startproject tutorial

2.創(chuàng)建蜘蛛 scrapy genspider imgSpider

3.創(chuàng)建爬取的Item

#圖片下載管道
class ImageItem(scrapy.Item):
   image_urls = scrapy.Field()
   images = scrapy.Field()
   image_name = scrapy.Field()

4.蜘蛛代碼:網(wǎng)上很多用中間件的方式偽造referer,但是經(jīng)過嘗試是不可以的中間件在去訪問資源的時(shí)候,拿到的referer和圖片的鏈接一樣這樣的話圖片會(huì)被重定向,具體看spider代碼

import scrapy
from tutorial.items import ImageItem

class ImgspiderSpider(scrapy.Spider):
    name = 'imgSpider'
    allowed_domains = ['www.mm131.com']
    start_urls =  ['http://www.mm131.com/xinggan/',
                'http://www.mm131.com/qingchun/',
                'http://www.mm131.com/xiaohua/',
                'http://www.mm131.com/chemo/',
                'http://www.mm131.com/qipao/',
                 'http://www.mm131.com/mingxing/'
                ]


    def parse(self, response):
        list = response.css(".list-left dd:not(.page)")
        for image in list:
            image_name = image.css("a::text").extract_first()
            image_url = image.css("a::attr(href)").extract_first()
            image_url2 = str(image_url)
            print(image_url2)
            next_page = response.css(".page-en:nth-last-child(2)::attr(href)").extract_first()
            if next_page is not None:
                yield response.follow(next_page,callback=self.parse)

            #下載圖片
            yield scrapy.Request(image_url2,callback=self.downloadImage)

    def downloadImage(self,response):
        item = ImageItem()
        item['image_name'] = response.css(".content h5::text").extract_first()

        item['image_urls'] = response.css(".content-pic img::attr(src)").extract()
        print('---------------image_urls---------',item['image_urls'])
        #防盜鏈:referer 從那個(gè)頁面過來 沒有來源就圖片就會(huì)被重定向 解決辦法在請(qǐng)求頭中添加 headers={"referer":referer}
        # 解決防盜鏈的最根本的就是告訴訪問的資源的請(qǐng)求來自本站
        item['referer'] = response.url
        yield item
        next_url = response.css(".page-ch:last-child::attr(href)").extract_first()
        if next_url is not None:
            yield response.follow(next_url,callback=self.downloadImage,dont_filter=True)

5.編寫pipline處理下載的圖片分組

class ImagePipline(ImagesPipeline):
    def get_media_requests(self, item, info):
        for image_url in item["image_urls"]:
            print('-------------------image_url------------------------%s',image_url)
            yield Request(image_url,meta={'name':item['image_name']},headers={'referer':item['referer']})

    #重命名的功能 重寫此功能可以得到自己想要文件名稱 否則就是uuid的隨機(jī)字符串
    def file_path(self, request, response=None, info=None):
        #圖片名稱
        img_name = request.url.split('/')[-1]
        #圖片分類的名稱
        name = request.meta['name']
        #處理特殊字符串
        name = re.sub(r'[?\\*|“<>:/()0123456789]','',name)
        #分文件夾存儲(chǔ)
        filename = u'{0}/{1}'.format(name,img_name)
        return filename

    def item_completed(self, results, item, info):
        image_paths = [x['path'] for ok,x in results if ok]
        #上面的表達(dá)式等于
        # for ok,x in results:
        #     if ok:
        #         print(x['path'])
        if not image_paths:
            raise DropItem('Item contains no images')
        item['image_urls'] = image_paths
        return item

.如果你看到下面的圖片代表你成功了

屏幕快照 2019-01-02 19.46.05.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,622評(píng)論 6 544
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,716評(píng)論 3 429
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,746評(píng)論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,991評(píng)論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 72,706評(píng)論 6 413
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 56,036評(píng)論 1 329
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,029評(píng)論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 43,203評(píng)論 0 290
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,725評(píng)論 1 336
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 41,451評(píng)論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 43,677評(píng)論 1 374
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,161評(píng)論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,857評(píng)論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,266評(píng)論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,606評(píng)論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 52,407評(píng)論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 48,643評(píng)論 2 380