Scrapy图像下载如何使用自定义文件名

Question

对于我的scrapy项目，我目前使用ImagesPipeline。下载的图像是其网址的stored with a SHA1 hash作为文件名。

如何使用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来自同一项目的另一个刮取字段，该怎么办？例如使用item['desc']和item['image_url']的图像的文件名。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。

Answer 1

这就是我在Scrapy 0.10中解决问题的方法。 检查FSImagesStoreChangeableDirectory的persist_image方法。下载的图片的文件名是关键

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) 

Answer 2

在scrapy 0.12我解决了这样的事情

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']) 

Answer 3

我做了一个讨厌的快速破解。就我而言，我将图像的标题存储在我的提要中。而且，每件商品只有1 image_urls，所以我写了下面的脚本。它基本上将/images/full/目录中的图像文件重命名为我以json存储的项目源中的相应标题。

import os 
import json 

img_dir = os.path.join(os.getcwd(), 'images\\full') 
item_dir = os.path.join(os.getcwd(), 'data.json') 

with open(item_dir, 'r') as item_json: 
    items = json.load(item_json) 

for item in items: 
    if len(item['images']) > 0: 
     cur_file = item['images'][0]['path'].split('/')[-1] 
     cur_format = cur_file.split('.')[-1] 
     new_title = item['title']+'.%s'%cur_format 
     file_path = os.path.join(img_dir, cur_file) 
     os.rename(file_path, os.path.join(img_dir, new_title)) 

这是讨厌的&不推荐。但是，这是一种天真替代的方法。

Answer 4

这就是答案scrapy 0.24（编者），其中image_key()已经过时

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) 

Answer 5

我重写代码，改变，在thumb_path闪避，只是实现 “响应”。按要求。”。如果不是，它将不起作用，因为“响应设置为无”。

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 + request.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) 

Answer 6

我发现我的方式在2017年，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) 

像上面的代码，你可以在get_media_requests()你想要的名字添加到请求元，并把它放回file_path()通过request.meta.get('yourname','')。