当前位置:网站首页>爬百度图片
爬百度图片
2022-08-08 16:54:00 【泉伟】
# -*- coding: utf-8 -*-
"""根据搜索词下载百度图片"""
import re
import sys
import urllib
import os
import requests
def get_onepage_urls(onepageurl):
"""获取单个翻页的所有图片的urls+当前翻页的下一翻页的url"""
if not onepageurl:
print('已到最后一页, 结束')
return [], ''
try:
html = requests.get(onepageurl)
html.encoding = 'utf-8'
html = html.text
except Exception as e:
print(e)
pic_urls = []
fanye_url = ''
return pic_urls, fanye_url
pic_urls = re.findall('"objURL":"(.*?)",', html, re.S)
fanye_urls = re.findall(re.compile(r'<a href="(.*)" class="n">下一页</a>'), html, flags=0)
fanye_url = 'http://image.baidu.com' + fanye_urls[0] if fanye_urls else ''
return pic_urls, fanye_url
def down_pic(pic_urls):
"""给出图片链接列表, 下载所有图片"""
save_path = './DataSet/' + keyword
if not os.path.exists(save_path):
print("Selected folder not exist, try to create it.")
os.makedirs(save_path)
for i, pic_url in enumerate(pic_urls):
try:
pic = requests.get(pic_url, timeout=5)
string = save_path + '/' + str(i + 1) + '.jpg'
with open(string, 'wb') as f:
f.write(pic.content)
print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
except Exception as e:
print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
print(e)
continue
if __name__ == '__main__':
keyword = '晴天' # 关键词, 改为你想输入的词即可, 相当于在百度图片里搜索一样
url_init_first = r'http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1497491098685_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1497491098685%5E00_1519X735&word='
url_init = url_init_first + urllib.parse.quote(keyword, safe='/')
all_pic_urls = []
onepage_urls, fanye_url = get_onepage_urls(url_init)
all_pic_urls.extend(onepage_urls)
fanye_count = 0 # 累计翻页数
while 1:
onepage_urls, fanye_url = get_onepage_urls(fanye_url)
fanye_count += 1
print('第%d页' % fanye_count)
if fanye_url == '' and onepage_urls == []:
break
all_pic_urls.extend(onepage_urls)
down_pic(list(set(all_pic_urls)))
如果需要下载百度图片时,仅仅是需要主程序第一行关键词修改为自己需要的关键词即可。
如果想详细了解爬虫需要的库以及详细过程可以参考的链接:python——爬虫示例读取豆瓣电影数据
边栏推荐
猜你喜欢
【论文阅读】RAL 2022: Receding Moving Object Segmentation in 3D LiDAR Data Using Sparse 4D Convolutions
二、junit接口自动化框架之二次开发
浅学软件逆向笔记(2)
赶紧进来修内功!!!带你认识C语言中各种进制数和原码反码补码.
JVM-简介&垃圾回收&内存泄漏分析
高数_证明_基本初等函数的导数公式
VISTA无人驾驶模拟器;FinRL量化金融深度强化学习库;『深度神经网络应用』电子书;CUDA/TensorRT案例集锦;前沿论文 | ShowMeAI资讯日报
Web3构架是怎么样的?
IDEA2020安装教程
DASCTF部分复现
随机推荐
英特尔两大 FPGA 产品已部署至中国创新中心:性能提高 45%,功耗降低 40%
股票开户中金公司好不好,安全吗
DASCTF部分复现
Taro小程序跨端开发入门实战
L2-015 互评成绩 (25 分)
最稳定的淘宝商品详情接口
Is it safe to open an account with CICC Wealth?How does it work?
正则在js中的使用
laravel-practice
[uniapp applet] view container cover-view
QCon 回顾 | Data Fabric:逻辑统一、物理分散
MySQL 表的增删查改
【LeetCode】试题总结:深度优先搜索 (DFS)
laravel - query builder 2
Patience sorting - specializing in quickly solving the longest increasing subarray
L2-027 名人堂与代金券 (25 分)
Digital image processing (6) -- image compression
一、搭建django自动化平台(实现一键执行sql)
第二十章 源代码文件 REST API 参考(二)
差分约束做法