Невозможно загрузить изображение с относительной URL Python Scrapy

Question

Я использую Scrapy для загрузки изображений из http://www.vesselfinder.com/vessels

Однако, я могу только получить относительный URL изображения, как этот http://www.vesselfinder.com/vessels/ship-photo/0-227349190-7c01e2b3a7a5078ea94fff9a0f862f8a/0

Все изображения с именем 0. jpg, но если я попытаюсь использовать этот абсолютный URL-адрес, я не смогу получить доступ к изображению.

Мой код: items.py

import scrapy 

class VesselItem(scrapy.Item): 
    name = scrapy.Field() 
    nationality = scrapy.Field() 
    image_urls = scrapy.Field() 
    images = scrapy.Field() 

pipelines.py

import scrapy 
from scrapy.contrib.pipeline.images import ImagesPipeline 
from scrapy.exceptions import DropItem 

class VesselPipeline(object): 
    def get_media_requests(self, item, info): 
     for image_url in item['image_urls']: 
      yield scrapy.Request(image_url) 

    def item_completed(self, results, item, info): 
     image_paths = [x['path'] for ok, x in results if ok] 
     if not image_paths: 
      raise DropItem("Item contains no images") 
     item['image_paths'] = image_paths 
     return item 

vessel_spider.py

import scrapy 
import string 

from vessel.items import VesselItem 

class VesselSpider(scrapy.Spider): 
    """docstring for VesselSpider""" 
    name = "vessel" 
    allowed_domains = ["vesselfinder.com"] 
    page_name = "http://vesselfinder.com" 
    start_urls = [ 
     # "http://vesselfinder.com/vessels?page=%d" %i for i in range(0,1000) 
     "http://vesselfinder.com/vessels" 
    ] 

    def parse(self, response): 
     f = open('vessels.txt', 'a') 
     count = 0; 

     for sel in response.xpath('//div[@class="items"]/article'): 
      item = VesselItem() 

      imageStr = str(sel.xpath('div[1]/a/picture/img/@src').extract()) 
      item['image_urls'] = self.page_name + imageStr[3:-2] 
      nameStr = str(sel.xpath('div[2]/header/h1/a/text()').extract()) 
      item['name'] = nameStr[19:-8] 
      typeStr = str(sel.xpath('div[2]/div[2]/div[2]/text()').extract()) 
      item['type'] = typeStr[3:-2] 

      return item 

Когда я запускаю этот паук, я получил ошибку exceptions.ValueError: Missing scheme in request url: h, потому что я не предоставил абсолютный URL-адрес.

[vessel] ERROR: Error processing {'image_urls': 'http://vesselfinder.com/vessels/ship-photo/0-224138470-a2fdc783d05a019d00ad9db0cef322f7/0.jpg', 
    'name': 'XILGARO ALEANTE', 
    'type': 'Sailing vessel'} 
    Traceback (most recent call last): 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/middleware.py", line 62, in _process_chain 
     return process_chain(self.methods[methodname], obj, *args) 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/utils/defer.py", line 65, in process_chain 
     d.callback(input) 
     File "/usr/local/lib/python2.7/dist-packages/twisted/internet/defer.py", line 383, in callback 
     self._startRunCallbacks(result) 
     File "/usr/local/lib/python2.7/dist-packages/twisted/internet/defer.py", line 491, in _startRunCallbacks 
     self._runCallbacks() 
    --- <exception caught here> --- 
     File "/usr/local/lib/python2.7/dist-packages/twisted/internet/defer.py", line 578, in _runCallbacks 
     current.result = callback(current.result, *args, **kw) 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/contrib/pipeline/media.py", line 40, in process_item 
     requests = arg_to_iter(self.get_media_requests(item, info)) 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/contrib/pipeline/images.py", line 104, in get_media_requests 
     return [Request(x) for x in item.get(self.IMAGES_URLS_FIELD, [])] 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/http/request/__init__.py", line 26, in __init__ 
     self._set_url(url) 
     File "/usr/local/lib/python2.7/dist-packages/scrapy/http/request/__init__.py", line 61, in _set_url 
     raise ValueError('Missing scheme in request url: %s' % self._url) 
    exceptions.ValueError: Missing scheme in request url: h 

Как исправить это. Есть ли какой-либо особый способ получения изображения (или его абсолютного URL) с сайтом, подобным этому.

Answer 1

Оберните URL изображения в списке следующим образом:

item['image_urls'] = [self.page_name + imageStr[3:-2]] 

Answer 2

Я думаю, что следующий код будет делать трюк (очень мало изменений кода),

vessel_spider.py

class VesselSpider(scrapy.Spider): 
    """docstring for VesselSpider""" 
    name = "vessel" 
    allowed_domains = ["vesselfinder.com"] 
    page_name = "http://vesselfinder.com" 
    start_urls = [ 
     # "http://vesselfinder.com/vessels?page=%d" %i for i in range(0,1000) 
     "http://vesselfinder.com/vessels" 
    ] 

    def parse(self, response): 
     f = open('vessels.txt', 'a') 
     count = 0; 
     for sel in response.xpath('//div[@class="items"]/article'): 
      item = VesselItem() 
      imageStr = sel.xpath('./div[@class="small-12 medium-5 large-5 columns"]/a/picture/img/@src').extract() 
      imageStr = imageStr[0] if imageStr else 'N/A' 
      item['image_urls'] = [self.page_name + imageStr] 
      nameStr = sel.xpath('./div/header/h1[@class="subheader"]/a/text()').extract() 
      nameStr = ' '.join(' '.join(nameStr).split()) if nameStr else 'N/A' 
      item['name'] = nameStr 
      typeStr = sel.xpath('.//div[@class="small-4 columns" and contains(text(), "Ship type")]/following-sibling::div/text()').extract() 
      typeStr = typeStr[0].strip() if typeStr else 'N/A' 
      item['ship_type'] = typeStr 
      yield item 

items.py

class VesselItem(scrapy.Item): 
    name = scrapy.Field() 
    nationality = scrapy.Field() 
    image_urls = scrapy.Field() 
    images = scrapy.Field() 
    ship_type = scrapy.Field() 

Добавление выходного сигнала образца,

{'image_urls': u'http://vesselfinder.com/vessels/ship-photo/0-227349190-7c01e2b3a7a5078ea94fff9a0f862f8a/0', 
'name': u'IBTISAM ATAO', 
'ship_type': u'Sailing vessel'}