Python爬虫实现百度图片自动下载-6ren

Python爬虫实现百度图片自动下载

转载作者：qq735679552 更新时间：2022-09-28 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python爬虫实现百度图片自动下载由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

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:

Python爬虫实现百度图片自动下载

存放图片的文件夹:

Python爬虫实现百度图片自动下载

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:

Python爬虫实现百度图片自动下载

随便搜索几个关键字，可以看到已经搜索出来很多张图片:

Python爬虫实现百度图片自动下载

分析网页。

我们点击右键，查看源代码:

Python爬虫实现百度图片自动下载

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).

Python爬虫实现百度图片自动下载

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:

Python爬虫实现百度图片自动下载

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 。

Python爬虫实现百度图片自动下载

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.

Python爬虫实现百度图片自动下载

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。

Python爬虫实现百度图片自动下载

 
    ? 
   
         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)

Python爬虫实现百度图片自动下载

我们看到有的图片没显示出来，打开网址看，发现确实没了.

Python爬虫实现百度图片自动下载

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 。

原文链接：https://www.cnblogs.com/nnngu/p/8410903.html 。

最后此篇关于Python爬虫实现百度图片自动下载的文章就讲到这里了,如果你想了解更多关于Python爬虫实现百度图片自动下载的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： MySQL中临时表的使用示例

文章推荐： python爬虫爬取某站上海租房图片

文章推荐： Mapper sql语句字段和实体类属性名字有什么关系

文章推荐： SQL左连接和右连接原理及实例解析

python - Python 中的集群或合并集群以减少组数 (Python)
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。我猜它只是通过 knn 聚类
python - python 列表的子集基于同一列表的元素组，pythonically
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
python - 从 python 脚本但在 python 脚本之外运行 python 脚本
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。问题到底是什么？我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
python - 使用不同的 python 从 python 运行 python 脚本
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。我试过用 #!python2.7.5 和http://re
python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误
剧透:部分解决(见最后)。以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
python - (Python) 通过单选按钮 python 更新背景
所以我试图在选择某个单选按钮时更改此框架的背景。我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
python - python 中的字符串与正则表达式比较在 python 中失败
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
python - python 如何加载Boost.Python 库？
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
python - python 检查模块 python 的问题
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
python - 系统 python 与用户 python
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
python - [Python] : Python re. 长字符串行的搜索速度优化
我只想问如何加快 python 上的 re.search 速度。我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
python - 编辑字符串 python 正则表达式 python
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
python - Python 映射中的副作用(Python "do" block )
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。告
python - 使用其值逻辑组合两个 python 列表 - Python
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
python - Boost.Python python 链接错误
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

Python爬虫实现百度图片自动下载