import os
import requests
from PIL import Image
from io import BytesIO
import pandas as pd
from multiprocessing import Pool
def download_image(url_caption_tuple):
url, caption = url_caption_tuple
try:
response = requests.get(url)
if response.status_code == 200:
img = Image.open(BytesIO(response.content))
img_name = url.split("/")[-1]
img.save(os.path.join('images', img_name))
return img_name, caption
else:
return None, None
except Exception as e:
print(f"Error downloading {url}: {e}")
return None, None
def process_csv_file(file_path):
df = pd.read_csv(file_path)
return df[['url', 'caption']].values.tolist()
def main(folder_path):
if not os.path.exists('images'):
os.makedirs('images')
url_caption_list = []
for filename in os.listdir(folder_path):
if filename.endswith(".csv"):
file_path = os.path.join(folder_path, filename)
url_caption_list.extend(process_csv_file(file_path))
with Pool(processes=10) as pool:
results = pool.map(download_image, url_caption_list)
img_caption_data = [result for result in results if result[0] is not None]
df = pd.DataFrame(img_caption_data, columns=["Image Name", "Caption"])
df.to_excel('image_captions.xlsx', index=False)
if __name__ == "__main__":
folder_path = "path_to_your_csv_folder"
main(folder_path)
下载图片函数 (download_image):
接收一个包含 URL 和 caption 的元组。
使用 requests 下载图片并保存。
返回图片名和 caption,如果下载失败则返回 None, None。
处理 CSV 文件函数 (process_csv_file):
使用 pandas 读取 CSV 文件。
返回包含 URL 和 caption 的列表。
主函数 (main):
检查并创建保存图片的目录。
遍历指定文件夹中的所有 CSV 文件,调用 process_csv_file 函数获取 URL 和 caption 列表。
使用进程池并发下载图片。
将图片名和 caption 保存到 Excel 文件中。
with Pool(processes=10) as pool: 创建一个进程池,指定同时运行的进程数为 10。
results = pool.map(download_image, url_caption_list) 使用进程池的 map 方法,将 download_image 函数应用到 url_caption_list 中的每个元素。每个元素是一个包含 URL 和 caption 的元组。
results 会包含每个下载任务的返回值,即图片名和 caption 的元组。