在不使用 item.py 的情况下无法通过管道重命名下载的图像

Question

我使用 python 的 scrapy 模块创建了一个脚本，用于从 torrent 站点的多个页面下载和重命名电影图像，并将它们存储在桌面文件夹中。当它是关于下载这些图像并将其存储在桌面文件夹中时，我的脚本是相同的，没有错误。但是，我现在正在努力做的是即时重命名这些文件。由于我没有使用item.py文件，我也不想使用，我几乎不明白pipelines.py文件的逻辑是如何处理重命名过程的。

我的蜘蛛 (It downloads the images flawlessly)：

from scrapy.crawler import CrawlerProcess
import scrapy, os

class YifySpider(scrapy.Spider):
    name = "yify"

    allowed_domains = ["www.yify-torrent.org"]
    start_urls = ["https://www.yify-torrent.org/search/1080p/p-{}/".format(page) for page in range(1,5)]

    custom_settings = {
        'ITEM_PIPELINES': {'scrapy.pipelines.images.ImagesPipeline': 1},
        'IMAGES_STORE': r"C:\Users\WCS\Desktop\Images",
    }

    def parse(self, response):
        for link in response.css("article.img-item .poster-thumb::attr(src)").extract():
            img_link = response.urljoin(link)
            yield scrapy.Request(img_link, callback=self.get_images)

    def get_images(self, response):
        yield {
            'image_urls': [response.url],
        }

if __name__ == "__main__":
    c = CrawlerProcess({
        'USER_AGENT': 'Mozilla/5.0',   
    })
    c.crawl(YifySpider)
    c.start()

pipelines.py 包含：(the following lines are the placeholders to let you know I at least tried)：

from scrapy.http import Request

class YifyPipeline(object):

    def file_path(self, request, response=None, info=None):
        image_name = request.url.split('/')[-1]
        return image_name

    def get_media_requests(self, item, info):
        yield Request(item['image_urls'][0], meta=item)

如何在不使用item.py 的情况下通过pipelines.py 重命名图像？

Answer 1

你需要继承原来的ImagesPipeline：

from scrapy.pipelines.images import ImagesPipeline

class YifyPipeline(ImagesPipeline):

    def file_path(self, request, response=None, info=None):
        image_name = request.url.split('/')[-1]
        return image_name

然后在你的设置中引用它：

custom_settings = {
    'ITEM_PIPELINES': {'my_project.pipelines.YifyPipeline': 1},
}

但请注意，当不同的文件具有相同的名称时，简单的“使用确切的文件名”的想法会导致问题，除非您在文件名中添加唯一的文件夹结构或附加组件。这是默认使用基于校验和的文件名的原因之一。请参阅原始的file_path，以防您想包含一些原始逻辑来防止这种情况发生。