質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.37%

ScrspyでFiles Pipelineを用いる画像収集で,URLだけでなく画像ファイル自体を保存できずに困っています.

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 913

vbxy95xwy

score 10

前提・実現したいこと

ScrapyでFiles Pipelineを用いてYahoo!ニュースのトピックス記事内の画像をcsvに保存したいです.

下記コードで画像をFILES_STOREで指定したディレクトリに保存したかったのですが,URLが取得できるのみで画像ファイル自体が収集できません.どうすればURLだけでなく,画像ファイルも保存できるのでしょうか?

items.py

import scrapy

class Headline(scrapy.Item):
    """
    ニュースのヘッドラインを表すItem。
    """
    title = scrapy.Field()
    body = scrapy.Field()
    image_url = scrapy.Field()
    images = scrapy.Field()

setting.py

BOT_NAME = 'myproject'
SPIDER_MODULES = ['myproject.spiders']
NEWSPIDER_MODULE = 'myproject.spiders'
FILES_STORE = 'images'

ROBOTSTXT_OBEY = True
DOWNLOAD_DELAY = 1

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

news_crawl.py

from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor

from myproject.items import Headline


class NewsCrawlSpider(CrawlSpider):
    name = "news_crawl"  # Spiderの名前。
    # クロール対象とするドメインのリスト。
    allowed_domains = ["news.yahoo.co.jp"]
    # クロールを開始するURLのリスト。
    start_urls = (
        'http://news.yahoo.co.jp/',
    )

    # リンクをたどるためのルールのリスト。
    rules = (
        # トピックスのページへのリンクをたどり、レスポンスをparse_topics()メソッドで処理する。
        Rule(LinkExtractor(allow=r'/pickup/\d+$'), callback='parse_topics'),
    )

    def parse_topics(self, response):
        """
        トピックスのページからタイトルと本文と画像を抜き出す。
        """
        item = Headline()
        item['image_url'] = response.css('div.headlinePic a span.image img::attr("data-src")').extract_first()
        item['title'] = response.css('.newsTitle ::text').extract_first()
        item['body'] = response.css('.hbody').xpath('string()').extract_first()
        yield item

補足情報(FW/ツールのバージョンなど)

Scrapy 1.5.2
Python 3.6.5

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正の依頼

  • wwbQzhMkhhgEmhU

    2019/02/02 05:43

    scrapy入れたことも使ったこともないですが、ImagesPipelineというのがあるようですよ。ご参考までに。
    http://scrapingauthority.com/scrapy-download-images/

    キャンセル

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.37%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る