Scrapy下载图片及自定义分类下载路径

配置下载图片的流程如下

• 在items中定义两个属性，image_urls 和images 。image_urls是用来存储需要下载的图片url链接，列表类型；
• 当文件下载完成后会把相关下载信息存入images属性中，如下载的url和图片校验码等；
• 在配置文件settings中配置IMAGES_STORE用来指定下载的路径；
• 启动pipeline，在settings中的ITEM_PIPELINE中设置scrapy.pipelines.images.ImagesPipeline:1；
• 下载文件同理（两个属性file_urls和files），FILES_STORE

自定义分类下载路径

class CarImagesPipeline(ImagesPipeline):
    # 获取文件名
    def file_path(self, request, response=None, info=None):  # 在get_media_requests的方法后被调用
        path = super(CarImagesPipeline,self).file_path(request,response,info) #获取父类方法返回的图片名
        title = request.item.get('title') # 子文件夹名
        images = settings.IMAGES_STORE #主文件夹名
        title_path = os.path.join(images,title)
        if not os.path.exists(title_path):#不存在子文件夹就新建
            os.mkdir(title_path)
        image_name = path.replace('full/','') #获取父类方法返回的full%s%(image_guuid),并且获取图片的16进制哈希名
        image_path = os.path.join(title_path,image_name) #制作图片名
        return image_path
    
    # 生成下载请求
    def get_media_requests(self, item, info): 
        request_objs=super(CarImagesPipeline,self).get_media_requests(item,info)
        for request_obj in request_objs:
            request_obj.item = item #将item绑定到Request对象
        return request_objs