文件和图片下载

“FilesPipeline和ImagesPipeline

Scrapy框架内部提供了两个Item Pipeline，专门用于下载文件和图片：
●　FilesPipeline
●　ImagesPipeline
我们可以将这两个Item Pipeline看作特殊的下载器，用户使用时只需要通过item的一个特殊字段将要下载文件或图片的url传递给它们，它们会自动将文件”“或图片下载到本地，并将下载结果信息存入item的另一个特殊字段，以便用户在导出文件中查阅。下面详细介绍如何使用它们。
”

“FilesPipeline使用说明

通过一个简单的例子讲解FilesPipeline的使用，在如下页面中可以下载多本PDF格式的小说：
”

“
     
        
           ...
           下载《三国演义》
           下载《水浒传》
           下载《红楼梦》
           下载《西游记》
           ...
        
     ”

“使用FilesPipeline下载页面中所有PDF文件，可按以下步骤进行：
步骤　01　在配置文件settings.py中启用FilesPipeline，通常将其置于其他Item Pipeline之前：

 ITEM_PIPELINES = {'scrapy.pipelines.files.FilesPipeline': 1}

步骤　02　在配置文件settings.py中，使用FILES_STORE指定文件下载目录，如：

 FILES_STORE = '/home/liushuo/Download/scrapy'

步骤　03　在Spider解析一个包含文件下载链接的页面时，将所有需要下载文件的url地址收集到一个列表，赋给item的file_urls字段（item['file_urls']）。FilesPipeline在处理每一项item时，会读取item['file_urls']，对其中每一个url进行下载，Spider示”

 class DownloadBookSpider(scrapy.Spider):
        ...


   def parse(response):
            item = {}
            # 下载列表
            item['file_urls'] = []
     for url in response.xpath('//a/@href').extract():
        download_url = response.urljoin(url)
        # 将url 填入下载列表
        item['file_urls'].append(download_url)


     yield item

“当FilesPipeline下载完item['file_urls']中的所有文件后，会将各文件的下载结果信息收集到另一个列表，赋给item的files字段（item['files']）。下载结果信息包括以下内容：
●　Path文件下载到本地的路径（相对于FILES_STORE的相对路径）。
●　Checksum文件的校验和。
●　url文件的url地址。
”

ImagesPipeline使用说明

图片也是文件，所以下载图片本质上也是下载文件，ImagesPipeline是FilesPipeline的子类，使用上和FilesPipeline大同小异，只是在所使用的item字段和配置选项上略有差别，”

39.png

“ImagesPipeline在FilesPipleline的基础上针对图片增加了一些特有的功能：
●　为图片生成缩略图
开启该功能，只需在配置文件settings.py中设置IMAGES_THUMBS，它是一个字典，每一项的值是缩略图的尺寸，代码如下：
”

 IMAGES_THUMBS = {
        'small': (50, 50),
        'big': (270, 270),
     }”

“开启该功能后，下载一张图片时，本地会出现3张图片（1张原图片，2张缩略图），路径如下：
”

“[IMAGES_STORE]/full/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg”

“[IMAGES_STORE]/thumbs/small/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg
     [IMAGES_STORE]/thumbs/big/63bbfea82b8880ed33cdb762aa11fab722a90a24.jpg”

“●　过滤掉尺寸过小的图片
开启该功能，需在配置文件settings.py中设置IMAGES_MIN_WIDTH和IMAGES_MIN_HEIGHT，它们分别指定图片最小的宽和高，代码如下：
”

IMAGES_MIN_WIDTH = 110
IMAGES_MIN_HEIGHT = 110

“开启该功能后，如果下载了一张105×200的图片，该图片就会被抛弃掉，因为它的宽度不符合标准。”

摘录来自: 刘硕. “精通Scrapy网络爬虫。” iBooks.