图片路径存储且item的json化是怎样的，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
1.item_completed()方法
语法：
item_completed(results, items, info)；当一个单独项目中的所有图片请求完成时（不管下载成功或者失败），
ImagesPipeline.item_completed()方法将被调用。item_completed()方法必须返回将发送到后续item pipeline阶段的输出，因此必须返回或删除item（默认情况下item_completed会返回全部item）；
2.在pipline中重写item_completed方法
在ImagePipeline中重写item_completed方法获取图片的保存路径
class ImagePipeline(ImagesPipeline): def file_path(self, request, response=None, info=None): ## start of deprecation warning block (can be removed in the future) def _warn(): from scrapy.exceptions import ScrapyDeprecationWarning import warnings warnings.warn('ImagesPipeline.image_key(url) and file_key(url) methods are deprecated, ' 'please use file_path(request, response=None, info=None) instead', category=ScrapyDeprecationWarning, stacklevel=1) # check if called from image_key or file_key with url as first argument if not isinstance(request, Request): _warn() url = request else: url = request.url # detect if file_key() or image_key() methods have been overridden if not hasattr(self.file_key, '_base'): _warn() return self.file_key(url) elif not hasattr(self.image_key, '_base'): _warn() return self.image_key(url) ## end of deprecation warning block image_guid = hashlib.sha1(to_bytes(url)).hexdigest() # change to request.url after deprecation # 修改为时间为目录 return '{}/{}.jpg'.format(datetime.now().year,image_guid) def item_completed(self, results, item, info): # 获取图片地址保存到列表中 values = [value['path'] for ok, value in results if ok] # 给item赋值 item['image_path'] = values.pop(0) if values else 'default.jpg' return item
3.创建md5函数
我们可以使用scrapy中的hashlib.md5 处理 url，首先在项目settings文件的同一目录下，创建一个叫utils的package，然后在这个包里创建一个md5文件； 使用之前先从hashlib中导入md5，把hashlib中md5()实例化，然后用update传入url，再用
hexdigest()提取摘要。还可以使用isinstance()来判判断传入值编码类型，使用encode()方法将unicode编码转换成其他编码的字符串等；from hashlib import md5def get_md5(url):if isinstance(url, str): # 先转化为字节码 url = url.encode() print(url)obj = md5()obj.update(url)return obj.hexdigest()if __name__ == '__main__':print(get_md5('www.baidu.com'))
4. 在item中添加字段
import scrapyclass XkdDribbbleSpiderItem(scrapy.Item): title = scrapy.Field() image_url = scrapy.Field() date = scrapy.Field() # 添加图片路径到item中 image_path = scrapy.Field() # 加页面的url地址添加到item中 url = scrapy.Field() # 添加url的哈希值字段 url_id = scrapy.Field()5. 将item在spider中返回
import scrapyfrom urllib import parsefrom scrapy.http import Requestfrom datetime import datetimefrom ..items import XkdDribbbleSpiderItemfrom ..utils.md5_tool import get_md5class DribbbleSpider(scrapy.Spider): name = 'dribbble' allowed_domains = ['dribbble.com'] start_urls = ['https://dribbble.com/stories']def parse(self, response): # 获取a标签的url值 # selector a_selectors = response.css('div.teaser a') for a_selector in a_selectors: image_url = a_selector.css('img::attr(src)').extract()[0] page_url = a_selector.css('::attr(href)').extract()[0] yield Request(url=parse.urljoin(response.url, page_url), callback=self.parse_analyse,meta={'a_image_url': image_url}) def parse_analyse(self, response): title = response.css('header h2::text').extract_first() image_url = response.meta.get('a_image_url') date_raw = response.css('p span.date::text').extract()[0] date_str = date_raw.strip() date = datetime.strptime(date_str, '%b %d, %Y').date() item = XkdDribbbleSpiderItem() item['title'] = title item['image_url'] = [image_url] item['date'] = date item['url'] = response.url item['url_id'] = get_md5(response.url) # item数据模型进行落地，数据持久化 yield item6.创建JsonSavePipeline，用于写入item到文件中
import codecsimport jsonclass JsonSavePipeline: def process_item(self, item, spider): # 将spider中返回的item转化为字典 file = codecs.open('blog.json', mode='a') dict_item = dict(item) # 将字典json化 line = json.dumps(dict_item, ensure_ascii=False) + '\n' # 写入到文件 file.write(line) # 再次返回item file.close()7.在settings文件中添加JsonSavePipeline
'XKD_Dribbble_Spider.pipelines.JsonSavePipeline': 2,关于图片路径存储且item的json化是怎样的问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注编程网行业资讯频道了解更多相关知识。
