Python3 根据关键字爬取百度图片

介绍

  1. 一个可用好用的百度图片爬取脚本,唯一的不足就是这是单线程的
  2. 运行环境 Python3.6.0
  3. 写该脚本的原因:获取图片
  4. 创作过程有参考

源码

# coding:utf-8
import requests
import os
import re
# import json
import itertools
import urllib
import sys

# 百度图片URL解码
# http://blog.csdn.net/hbuxiaoshe/article/details/44780653
str_table = {
    '_z2C$q': ':',
    '_z&e3B': '.',
    'AzdH3F': '/'
}

char_table = {
    'w': 'a',
    'k': 'b',
    'v': 'c',
    '1': 'd',
    'j': 'e',
    'u': 'f',
    '2': 'g',
    'i': 'h',
    't': 'i',
    '3': 'j',
    'h': 'k',
    's': 'l',
    '4': 'm',
    'g': 'n',
    '5': 'o',
    'r': 'p',
    'q': 'q',
    '6': 'r',
    'f': 's',
    'p': 't',
    '7': 'u',
    'e': 'v',
    'o': 'w',
    '8': '1',
    'd': '2',
    'n': '3',
    '9': '4',
    'c': '5',
    'm': '6',
    '0': '7',
    'b': '8',
    'l': '9',
    'a': '0'
}
char_table = {ord(key): ord(value) for key, value in char_table.items()}

# 解码
def decode(url):
    for key, value in str_table.items():
        url = url.replace(key, value)
    return url.translate(char_table)

# 百度图片下拉
def buildUrls(word):
    word = urllib.parse.quote(word)
    url = r"http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&fp=result&queryWord={word}&cl=2&lm=-1&ie=utf-8&oe=utf-8&st=-1&ic=0&word={word}&face=0&istype=2nc=1&pn={pn}&rn=60"
    urls = (url.format(word=word, pn=x) for x in itertools.count(start=0, step=60))
    return urls


re_url = re.compile(r'"objURL":"(.*?)"')

# 获取imgURL
def resolveImgUrl(html):
    imgUrls = [decode(x) for x in re_url.findall(html)]
    return imgUrls

# 下载图片
def downImgs(imgUrl, dirpath, imgName, imgType):
    filename = os.path.join(dirpath, imgName)
    try:
        res = requests.get(imgUrl, timeout=15)
        if str(res.status_code)[0] == '4':
            print(str(res.status_code), ":", imgUrl)
            return False
    except Exception as e:
        print('抛出异常:', imgUrl)
        print(e)
        return False
    with open(filename + '.' + imgType, 'wb') as f:
        f.write(res.content)
    return True

# 创建文件路径
def mkDir(dirName):
    dirpath = os.path.join(sys.path[0], dirName)
    if not os.path.exists(dirpath):
        os.mkdir(dirpath)
    return dirpath


if __name__ == '__main__':
    print("欢迎使用百度图片下载爬虫\n 多个关键字请用空格进行分割\n")
    # print("下载结果保存在脚本目录下的img文件夹中。")
    choosePath = input('请输入你想保存的路径方式\n  1. 默认路径 path = IMGS/ \n  2. 相对路径 path_input/path_input/ \n  3. 绝对路径,比如 D:/IMG/\n')
    if int(choosePath) == 3:
        dirpath = input('请输入您要保存图片的路径\n')
    elif int(choosePath) == 2:
        path = input('请输入您要保存图片的路径\n')
        dirpath = mkDir(path)
    else:
        path = 'IMGS'
        dirpath = mkDir(path)

    print("= = " * 25)
    word = input("请输入你要下载的图片关键词:\n")
    print("= = " * 25)

    chooseImgType = input('请选择你要保存的图片格式\n  0. default: jpg \n  1. jpg\n  2. png\n  3. gif\n  4. 自定义\n')
    chooseImgType = int(chooseImgType)
    if chooseImgType == 4:
        imgType = input('请输入自定义图片类型\n')
    elif chooseImgType == 1:
        imgType = 'jpg'
    elif chooseImgType == 2:
        imgType = 'png'
    elif chooseImgType == 3:
        imgType = 'gif'
    else:
        imgType = 'jpg'
    print("= = " * 25)

    strtag = input("请输入您要下载图片名字,最后格式为 number+' ' +name.%s\n" % imgType)

    print("= = " * 25)
    numIMGS = input('请输入您要下载图片的数量\n')
    numIMGS = int(numIMGS)

    urls = buildUrls(word)
    index = 0
    print("= = " * 25)
    for url in urls:
        print("正在请求:", url)
        html = requests.get(url, timeout=10).content.decode('utf-8')
        imgUrls = resolveImgUrl(html)
        # print(imgUrls)
        if len(imgUrls) == 0:  # 没有图片则结束
            break
        for url in imgUrls:
            if downImgs(url, dirpath, str(index + 1) + ' ' + strtag, imgType):
                index += 1
                print("已下载 %s 张" % index)
                # 双 break 跳出下载循环
            if index == numIMGS:
                break
        if index == numIMGS:
            print('您一共下载了 %s 张图片' % index)
            print('程序正在终止')
            break

运行演示

运行演示一

运行演示二

爬取的图片

参考

转载于:https://www.cnblogs.com/fonttian/p/7253251.html

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python是一种高级编程语言,拥有丰富的库和模块,可以方便地进行网络爬虫操作,用于从互联网上获取数据。关键字Python语言中具备特殊含义的单词,其中一个关键字是"爬取"。我们可以使用Python关键字来编写代码,实现从百度图片网站上爬取图片的功能。 首先,我们需要安装相关的Python库,例如"requests"用于发送网络请求,"beautifulsoup4"用于解析网页内容。然后,我们可以编写Python代码来实现爬取百度图片的功能。 首先,我们需要导入上述所需的库: ``` import requests from bs4 import BeautifulSoup ``` 接下来,我们需要定义一个函数,将要爬取的网址作为参数传入函数中。在函数中,我们使用"requests"库发送网络请求,获取网页的内容,然后使用"beautifulsoup4"库对网页内容进行解析。 ``` def crawl_baidu_images(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') ``` 接下来,我们需要通过分析百度图片网站的源代码,找到图片所在的标签和属性,然后使用"beautifulsoup4"库提供的方法来选取和提取图片。 ``` images = soup.find_all('img', class_='img-hover') for image in images: print(image['src']) ``` 最后,我们可以调用上述定义的函数,并传入百度图片网站的网址,来执行爬取操作。 ``` crawl_baidu_images('http://image.baidu.com/') ``` 以上就是使用Python关键字实现爬取百度图片的简单示例代码。当然,实际的爬虫代码可能更加复杂,需要处理网页解析、数据存储等更多的细节。

“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