Python爬蟲如何實現百度圖片自動下載

這篇文章給大家分享的是有關Python爬蟲如何實現百度圖片自動下載的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

制作爬蟲的步驟

制作一個爬蟲一般分以下幾個步驟：

分析需求分析網頁源代碼，配合開發者工具編寫正則表達式或者XPath表達式正式編寫 python 爬蟲代碼 效果預覽

運行效果如下：

存放圖片的文件夾：

需求分析

我們的爬蟲至少要實現兩個功能：一是搜索圖片，二是自動下載。

搜索圖片：最容易想到的是爬百度圖片的結果，我們就上百度圖片看看：

隨便搜索幾個關鍵字，可以看到已經搜索出來很多張圖片：

分析網頁

我們點擊右鍵，查看源代碼：

打開源代碼之后，發現一堆源代碼比較難找出我們想要的資源。

這個時候，就要用開發者工具！我們回到上一頁面，調出開發者工具，我們需要用的是左上角那個東西：(鼠標跟隨)。

然后選擇你想看源代碼的地方，就可以發現，下面的代碼區自動定位到了相應的位置。如下圖：

我們復制這個地址，然后到剛才的一堆源代碼里搜索一下，發現了它的位置，但是這里我們又疑惑了，這個圖片有這么多地址，到底用哪個呢？我們可以看到有thumbURL，middleURL，hoverURL，objURL

通過分析可以知道，前面兩個是縮小的版本，hoverURL 是鼠標移動過后顯示的版本，objURL 應該是我們需要的，可以分別打開這幾個網址看看，發現 objURL 的那個最大最清晰。

找到了圖片地址，接下來我們分析源代碼。看看是不是所有的 objURL 都是圖片。

發現都是以.jpg格式結尾的圖片。

編寫正則表達式

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

編寫爬蟲代碼

這里我們用了2個包，一個是正則，一個是 requests 包

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

復制百度圖片搜索的鏈接，傳入 requests ，然后把正則表達式寫好

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)

因為有很多張圖片，所以要循環，我們打印出結果來看看，然后用 requests 獲取網址，由于有些圖片可能存在網址打不開的情況，所以加了10秒超時控制。

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('【錯誤】當前圖片無法下載')     
continue

接著就是把圖片保存下來，我們事先建立好一個 images 目錄，把圖片都放進去，命名的時候，以數字命名。

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

完整的代碼

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


def dowmloadPic(html, keyword):
  pic_url = re.findall('"objURL":"(.*?)",', html, re.S)
  i = 1
  print('找到關鍵詞:' + keyword + '的圖片，現在開始下載圖片...')
  for each in pic_url:
    print('正在下載第' + str(i) + '張圖片，圖片地址:' + str(each))
    try:
      pic = requests.get(each, timeout=10)
    except requests.exceptions.ConnectionError:
      print('【錯誤】當前圖片無法下載')
      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)

我們看到有的圖片沒顯示出來，打開網址看，發現確實沒了。

因為百度有些圖片它緩存到百度的服務器上，所以我們在百度上還能看見它，但它的實際鏈接已經失效了。

感謝各位的閱讀！關于“Python爬蟲如何實現百度圖片自動下載”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！