Python爬虫实现百度图片自动下载

更新时间：2018年02月04日 08:19:08 作者：返回主页 nnngu

这篇文章主要介绍了Python爬虫实现百度图片自动下载的方法以及相关代码分析，对此有兴趣的朋友参考下。

制作爬虫的步骤

制作一个爬虫一般分以下几个步骤：

分析需求分析网页源代码，配合开发者工具编写正则表达式或者XPath表达式正式编写 python 爬虫代码效果预览

运行效果如下：

存放图片的文件夹：

需求分析

我们的爬虫至少要实现两个功能：一是搜索图片，二是自动下载。

搜索图片：最容易想到的是爬百度图片的结果，我们就上百度图片看看：

随便搜索几个关键字，可以看到已经搜索出来很多张图片：

分析网页

我们点击右键，查看源代码：

打开源代码之后，发现一堆源代码比较难找出我们想要的资源。

这个时候，就要用开发者工具！我们回到上一页面，调出开发者工具，我们需要用的是左上角那个东西：(鼠标跟随)。

然后选择你想看源代码的地方，就可以发现，下面的代码区自动定位到了相应的位置。如下图：

我们复制这个地址，然后到刚才的一堆源代码里搜索一下，发现了它的位置，但是这里我们又疑惑了，这个图片有这么多地址，到底用哪个呢？我们可以看到有thumbURL，middleURL，hoverURL，objURL

通过分析可以知道，前面两个是缩小的版本，hoverURL 是鼠标移动过后显示的版本，objURL 应该是我们需要的，可以分别打开这几个网址看看，发现 objURL 的那个最大最清晰。

找到了图片地址，接下来我们分析源代码。看看是不是所有的 objURL 都是图片。

发现都是以.jpg格式结尾的图片。

编写正则表达式

pic_url = re.findall('"objURL":"(.*?)",',html,re.S)

编写爬虫代码

这里我们用了2个包，一个是正则，一个是 requests 包

#-*- coding:utf-8 -*-
import re
import requests

复制百度图片搜索的链接，传入 requests ，然后把正则表达式写好

url = 'https://image.baidu.com/search/index?tn=baiduimage&ie=utf-8&word=%E6%A0%97%E5%B1%B1%E6%9C%AA%E6%9D%A5%E5%A4%B4%E5%83%8F&ct=201326592&ic=0&lm=-1&width=&height=&v=index' html = requests.get(url).text pic_url = re.findall('"objURL":"(.*?)",',html,re.S)

因为有很多张图片，所以要循环，我们打印出结果来看看，然后用 requests 获取网址，由于有些图片可能存在网址打不开的情况，所以加了10秒超时控制。

pic_url = re.findall('"objURL":"(.*?)",',html,re.S) i = 1 for each in pic_url:   
print each   
try:     
pic= requests.get(each, timeout=10)   
except requests.exceptions.ConnectionError:     print('【错误】当前图片无法下载')     
continue

接着就是把图片保存下来，我们事先建立好一个 images 目录，把图片都放进去，命名的时候，以数字命名。

dir = '../images/' + keyword + '_' + str(i) + '.jpg'
    fp = open(dir, 'wb')
    fp.write(pic.content)
    fp.close()
    i += 1

完整的代码

# -*- coding:utf-8 -*-
import re
import requests


def dowmloadPic(html, keyword):
  pic_url = re.findall('"objURL":"(.*?)",', html, re.S)
  i = 1
  print('找到关键词:' + keyword + '的图片，现在开始下载图片...')
  for each in pic_url:
    print('正在下载第' + str(i) + '张图片，图片地址:' + str(each))
    try:
      pic = requests.get(each, timeout=10)
    except requests.exceptions.ConnectionError:
      print('【错误】当前图片无法下载')
      continue

    dir = '../images/' + keyword + '_' + str(i) + '.jpg'
    fp = open(dir, 'wb')
    fp.write(pic.content)
    fp.close()
    i += 1


if __name__ == '__main__':
  word = input("Input key word: ")
  url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&ct=201326592&v=flip'
  result = requests.get(url)
  dowmloadPic(result.text, word)

我们看到有的图片没显示出来，打开网址看，发现确实没了。

因为百度有些图片它缓存到百度的服务器上，所以我们在百度上还能看见它，但它的实际链接已经失效了。

总结

enjoy 我们的第一个图片下载爬虫吧！当然它不仅能下载百度的图片，依葫芦画瓢，你现在应该能做很多事情了，比如爬取头像，爬淘宝展示图等等。

完整代码已经放到Githut上 https://github.com/nnngu/BaiduImageDownload

您可能感兴趣的文章:

使用 python 实现单人AI 扫雷游戏
这篇文章主要介绍了使用 python 实现单人AI 扫雷游戏,今天我们用 Python 完成这个小程序，并且用AI来学习并实现它，需要的朋友可以参考下
2021-08-08
python Shapely使用指南详解
这篇文章主要介绍了python Shapely使用指南详解,需要的朋友可以参考下
2020-02-02
pyspark自定义UDAF函数调用报错问题解决
这篇文章主要为大家介绍了pyspark自定义UDAF函数调用报错问题解决，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-06-06
一文带你了解Python列表生成式应用的八重境界
在Python中有非常多且好用的技巧，其中使用最多的是列表生成式，往往可以将复杂的逻辑用简单的语言来实现，本文重点介绍列表生成式应用的八重境界
2022-09-09
python中嵌套函数的实操步骤
在本文里我们给大家分享了关于python中嵌套函数的步骤图文分解，有需要的朋友们跟着学习下。
2019-02-02
浅谈python中统计计数的几种方法和Counter详解
今天小编就为大家分享一篇浅谈python中统计计数的几种方法和Counter详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-11-11
PyQt5每天必学之像素图控件QPixmap
这篇文章主要为大家详细介绍了PyQt5每天必学之像素图控件QPixmap，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-04-04
浅析python 通⽤爬⾍和聚焦爬⾍
这篇文章主要介绍了python 通⽤爬⾍和聚焦爬⾍的相关资料，帮助大家更好的了解和使用python 爬虫，感兴趣的朋友可以了解下
2020-09-09
Python常见MongoDB数据库操作实例总结
这篇文章主要介绍了Python常见MongoDB数据库操作,结合实例形式详细总结了Python针对MongoDB数据库相关pymongo库安装以及MongoDB数据库的增删改查等相关操作技巧与注意事项,需要的朋友可以参考下
2018-07-07
如何使用VSCode愉快的写Python于调试配置步骤
从我的使用经验出发，可以说VSCode用来写Python真的是再合适不过了，你将体验到丝滑的编程体验和无限扩展的可能。而且，如果你的项目是包含多种语言的，比如Web开发，你不必再开多个编辑器和其他工具，因为这一切都可以在VSCode里完成了
2018-04-04