Scrapy图像下载如何使用自定义文件名

for*_*ice 14 python scrapy

对于我的scrapy项目,我目前正在使用ImagesPipeline.下载的图像以其URL 的SHA1哈希值存储为文件名.

如何使用我自己的自定义文件名来存储文件?

如果我的自定义文件名需要包含同一项中的另一个已删除字段,该怎么办?例如,使用item['desc']图像和文件名item['image_url'].如果我理解正确,那将涉及以某种方式访问​​图像管道中的其他项目字段.

任何帮助将不胜感激.

sum*_*mid 16

这只是对scrapy 0.24(EDITED)的答案的实现,其中image_key()不推荐使用

class MyImagesPipeline(ImagesPipeline):

    #Name download version
    def file_path(self, request, response=None, info=None):
        #item=request.meta['item'] # Like this you can use all from item, not just url.
        image_guid = request.url.split('/')[-1]
        return 'full/%s' % (image_guid)

    #Name thumbnail version
    def thumb_path(self, request, thumb_id, response=None, info=None):
        image_guid = thumb_id + response.url.split('/')[-1]
        return 'thumbs/%s/%s.jpg' % (thumb_id, image_guid)

    def get_media_requests(self, item, info):
        #yield Request(item['images']) # Adding meta. Dunno how to put it in one line :-)
        for image in item['images']:
            yield Request(image)
Run Code Online (Sandbox Code Playgroud)

  • `返回(请求(图像)为项目['images']中的图像)``为您的单行. (2认同)

小智 12

在scrapy 0.12中我解决了这样的问题

class MyImagesPipeline(ImagesPipeline):

    #Name download version
    def image_key(self, url):
        image_guid = url.split('/')[-1]
        return 'full/%s.jpg' % (image_guid)

    #Name thumbnail version
    def thumb_key(self, url, thumb_id):
        image_guid = thumb_id + url.split('/')[-1]
        return 'thumbs/%s/%s.jpg' % (thumb_id, image_guid)

    def get_media_requests(self, item, info):
        yield Request(item['images'])
Run Code Online (Sandbox Code Playgroud)

  • 一个小注释:不推荐使用`ImagesPipeline.image_key(url)`和`file_key(url)`方法,请改用`file_path(request,response = None,info = None).'scrapy /的contrib /管道/ images.py' (3认同)

lla*_*aro 8

这就是我在Scrapy 0.10中解决问题的方法.检查FSImagesStoreChangeableDirectory的方法persist_image.下载图像的文件名是关键

class FSImagesStoreChangeableDirectory(FSImagesStore):

    def persist_image(self, key, image, buf, info,append_path):

        absolute_path = self._get_filesystem_path(append_path+'/'+key)
        self._mkdir(os.path.dirname(absolute_path), info)
        image.save(absolute_path)

class ProjectPipeline(ImagesPipeline):

    def __init__(self):
        super(ImagesPipeline, self).__init__()
        store_uri = settings.IMAGES_STORE
        if not store_uri:
            raise NotConfigured
        self.store = FSImagesStoreChangeableDirectory(store_uri)
Run Code Online (Sandbox Code Playgroud)


Tar*_*tor 7

我在2017年找到了自己的方式,scrapy 1.1.3

def file_path(self, request, response=None, info=None):
    return request.meta.get('filename','')

def get_media_requests(self, item, info):
    img_url = item['img_url']
    meta = {'filename': item['name']}
    yield Request(url=img_url, meta=meta)
Run Code Online (Sandbox Code Playgroud)

像上面的代码,你可以添加你想要在一个请求元名字get_media_requests(),并把它放回file_path()通过request.meta.get('yourname','').