Selenium爬取百度黑人高清图片

# 导包
from time import sleep
from selenium import webdriver
from selenium.webdriver.common.by import By
import re
import time
import requests

# 实例化浏览器
driver = webdriver.Chrome()

# 打开网址
driver.get("http://www.baidu.com")
# driver.get('https://www.selenium.dev/selenium/web/web-form.html')
# 窗口最大化
driver.maximize_window()
driver.implicitly_wait(0.5)
text_box = driver.find_element(by=By.ID, value='kw')
submit_button = driver.find_element(by=By.ID, value="su")
text_box.send_keys("黑人")  # 搜索黑人
submit_button.click()  # 点击百度查找按钮
driver.implicitly_wait(3)

black_name = driver.find_element(by=By.CLASS_NAME, value="foot-more_3ukcZ")  # 找到所有黑人图片
driver.implicitly_wait(1)
black_name.click()  # 点击进去

driver.implicitly_wait(1)
black_gq = driver.find_element(by=By.XPATH, value='//*[@id="typeFilter"]/div[2]/ul/li[2]')  # 找到所有黑人图片
black_gq.click()

time.sleep(2)
head = 'https://image.baidu.com'
result = re.findall(r'"imgbox-border"><a href="(.*?)" target="_blank"', driver.page_source)
print(len(result), result)

#下滑窗口下載所需的数据量
# js = "var q=document.documentElement.scrollTop=10000"  # documentElement表示获取根节点元素
# while (len(result) < 100):  # 下滑窗口下載所需的数据量
#     driver.execute_script(js)
#     time.sleep(2)
#     result = re.findall(r'"imgbox-border"><a href="(.*?)" target="_blank"', driver.page_source)
#     print(len(result), result)

#获取高清图片的链接
https = []
count = 1
for i in result:
    temp = head + i
    temp = temp.replace("amp;", "")
    print(count, temp)
    https.append(temp)
    count += 1

#进入高清图片链接获取图片下载链接
photo=[]
for i in range(len(https)):
    driver.get(https[i])
    time.sleep(0.5)
    temp=re.findall(r';" src="(.*?)" width=',driver.page_source)
    photo.append(temp)
print(len(photo),photo)
photo = list(filter(None, photo))#去除为空的数据


#对图片进行下载
for i in range(len(photo)):
    if photo[i][0]==None:
        continue
    print(i,photo[i])
    temp=requests.get(photo[i][0])
    path_img = "E:/Python代码/网络爬虫/image/图{}.jpg".format(i)
    temp.raise_for_status()
    with open(path_img,'wb') as f:
        f.write(temp.content)
        f.close()
        print(path_img,"保存成功!")
input('wait...')

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Selenium是一个自动化测试工具,可以模拟用户对网页的操作,因此可以用来爬取百度文库的图片。在这个过程中,我们需要用到PythonSelenium库,以及ChromeDriver或者其他浏览器驱动来控制浏览器。 首先,我们需要打开百度文库的页面,并登录账号,如果不登录无法访问文库的图片。我们可以用Selenium模拟登录,输入账户名和密码,然后点击登录。在登录成功的情况下,我们就可以访问文库的内容。 接着,我们需要定位到文库页面中的所需要的图片。这一步可以通过XPath或CSS Selector等方式来实现。然后,我们可以用Selenium的find_element_by_xpath或者find_element_by_css_selector方法来定位图片,并获取图片的属性,比如图片的URL。通过获取URL,我们就可以将图片保存到本地或者上传到其他网站当中。 下面是一个比较简单的爬取百度文库图片代码段: ```python from selenium import webdriver import urllib.request # 设置ChromeDriver路径 driver_path = 'C:\chromedriver_win32\chromedriver.exe' # 创建浏览器对象 browser = webdriver.Chrome(driver_path) # 打开百度文库登录界面 browser.get('https://wenku.baidu.com/') # 输入账户名和密码并点击登录 browser.find_element_by_id('loginUserName').send_keys('your_username') browser.find_element_by_id('loginPassword').send_keys('your_password') browser.find_element_by_link_text('登录').click() # 定位到图片 image = browser.find_element_by_xpath('//img[@class="doc-image"]') # 获取图片URL image_url = image.get_attribute('src') # 下载图片 urllib.request.urlretrieve(image_url, 'image.jpg') # 关闭浏览器 browser.quit() ``` 上面的代码中,我们首先设置了ChromeDriver的路径,然后打开浏览器并访问百度文库的登录页面。接着,输入账户名和密码,并点击登录按钮。在登录成功后,我们定位到文库页面中的图片,获取图片的URL并下载图片到本地。 总的来说,使用Selenium爬取百度文库图片比较简单,只需要模拟登录和定位图片等操作即可。不过需要注意的是,在爬取数据的过程中不要过于频繁,否则会被百度封禁。建议设置合理的时间间隔和获取数据数量,并且遵守网站的使用规定。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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