用python爬取百度图片

爬取的图片默认放在代码文件同目录的文件下(第一次运行代码时,本人的代码是放在桌面,爬取一千多张照片导致桌面当场崩溃,后来在桌面新建了文件夹效果就好多了)
上代码:

import requests
import urllib 
import os , re
from os.path import join
import time
def getPages(keyword,pages=5): 
    params = [] 
    for i in range(30, 30*pages+30, 30): 
        # 通过网上资料,可以使用 requests.get() 解析 json 数据,能够得到对应 url
        # 其中一个坑是,原来并不是以下的每个数据都是需要的,某些不要也可以!
        params.append({ 
                      'tn': 'resultjson_com', 
                      'ipn': 'rj', 
                      'ct': 201326592, 
                      'is': '', 
                      'fp': 'result', 
                      'queryWord': keyword, 
                      'cl': 2, 
                      'lm': -1, 
                      'ie': 'utf-8', 
                      'oe': 'utf-8', 
                      'adpicid': '', 
                      'st': -1, 
                      'z': '', 
                      'ic': 0, 
                      'word': keyword, 
                      's': '', 
                      'se': '', 
                      'tab': '', 
                      'width': '', 
                      'height': '', 
                      'face': 0, 
                      'istype': 2, 
                      'qc': '', 
                      'nc': 1, 
                      'fr': '',
                      'pn': i, 
                      'rn': 30, 
                      #'gsm': '1e', 
                      #'1488942260214': ''
                  }) 
    url = 'https://image.baidu.com/search/index?ct=201326592&z=&tn=baiduimage&ipn=r&word=%E8%B7%91%E8%BD%A6&pn=0&istype=2&ie=utf-8&oe=utf-8&cl=2&lm=-1&st=-1&fr=&fmq=&ic=0&se=&sme=&width=1920&height=1080&face=0' 
    urls = [] 
    for param in params:
        # url 与 param 合成完整 url 
        urls.append(requests.get(url,param,headers = headers,timeout = 3).url)     #
    #print (urls)
    return urls
def get_Img_url(keyword,pages=5):
    # 每页的 URL 集合
    pageUrls = getPages(keyword,pages)            
    # 图片url : "thumbURL":"https://ss0.bdstatic.com/70cFuHSh_Q1YnxGkpoWK1HF6hhy/it/u=1789805203,3542215675&fm=27&gp=0.jpg"
    # 正则写的很差!
    exp = re.compile(r'"thumbURL":"[\:\,\_\w\d\=\.\+\s\/\%\$\&]+\.jpg')
    imgUrls = []
    for url in pageUrls:
        # 逐个读取每页 URL
        try:
            with urllib.request.urlopen(url,timeout = 3) as pageUrl:
                imgUrl = pageUrl.read().decode('utf-8')
                urls = re.findall(exp,imgUrl)
                for url in urls:
                    # 除去 thumbURL":"
                    imgUrls.append(url.replace('"thumbURL":"',''))
        # 正则提取 ImgUrl
        except:
            print('SomePage is not opened!')          
            continue
    # 所有照片的 urls
    return imgUrls
def getImg(urlList,localPath): 
    if not os.path.exists(localPath): 
        os.makedirs(localPath) 
    x = 1
    for url in urlList:
        # 将 for 循环写在 try 外面
        try:
            # 什么时候应该转义?这点还没弄明白
            # 没有打开特定文件夹!
            with open(keyword+str(x)+'.jpg','wb') as f:        # 原本写 ‘\.jpg’ 会出错,打印 \\.jpg
                img = urllib.request.urlopen(url,timeout = 3).read()
                f.write(img)
            print('%d.jpg is downloaded!' % x)
            x += 1
        except Exception: 
            print("\n  Failed downloading NO. %d image\n" % x)
if __name__ == '__main__':
    keyword = '超跑'
    pages = 500
    localPath = 'd:/pythonCode/day1001/'
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'}
    urlList = get_Img_url(keyword,pages)
    getImg(urlList,localPath)
点击打开   

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值