python14张图下载_Python网络爬虫入门（三）—— 做个简陋的pixabay 图片下载器 （附源码）...

今天，我们用Python来开发一个简陋的图片搜索下载器。

由于网站使用JavaScript和ajax动态加载技术，还有验证码机制，对小白来说想要获得原图实在太难啦。

所以能获取缩略图，主要提供基本思路。

选择的是pixabay，挺有名的高品质图片网站，免费的， 相信许多人对此并不陌生。

一、目标：

1、实现输入关键词，自动搜索到图片

2、获取图片链接

3、批量下载图片，命名保存入文件

4、代码优化，不中段、无重复，并且可指定下载范围

二、步骤：

1、首先观察分析。

点击进入官网，好家伙和百度一样的瀑布流模式，查看源码发现关键字‘ajax'，及异步加载模式

果不其然，要点击页面才能看到缩略图，还要点击图片才能下载。审查元素里面并不是原图的链接，源码中也没有，点开图片后还有上方的地址也并不是原图地址，按照一般的思路的话，并不能获取原图（可能要用到PhantomJS、Selenium等）。可是我还没有学到PhantonJ和Selenium呀，所以只能先试试缩略图啦。（不过最小的那一个下载模式要大一些）/2013/10/16/14/45/是时间，flower为关键词，结合源码分析196360应该是每一个图片的特殊代号。

事情由此变得简单了，只要我们用正则匹配出时间、特殊代号，再构造出原图地址就可以得到可爱的链接啦！

2、具体步骤

1）匹配图片数量的正则

pattern=re.compile('pattern=re.compile('pattern1=re.compile('

刚开始时用的是最先这个，结果只能返回16个图。百思不得解，还去看了下别的网站，准备放弃之际，

查看源码发现，我勒个去，正好与这带下划线链接的16个项吻合，而后面的图片项发现皆带有'data-lazy'。也就是说，前16和后16根本采用不是一个模式啊！这可能也是为了反恶意爬虫吧，总之厉害了我的哥^_^。后面就简单，分别匹配正则并讨论。

3）创建目录，保存入文件和之间如出一辙，不再赘述。

4）下载保存一页图片时detailURL分情况讨论。i<=16和 i>16的情况。

5）接下来对多页进行循环，发现第1页和第2页之后的url又不相同啦，具体分析之后，构造如下

url2='https://pixabay.com/zh/photos/?orientation=&image_type=&cat=&colors=&q='+str(self.keyword)+'&order=popular&pagi='+str(page)

url2='http://pixabay.com/zh/photos/?image_type=&cat=&min_width=&min_height=&q='+str(self.keyword)+'&order=popular'

6）最后优化环节：

a、检查链接错误减少下载中断

b、去掉图片下载重复（即每一次重新开始就不用重新下载之前的内容）

c、设计交互（raw_input)、优化注释

d、最后还是觉得太low又改了一下，可以选择下载页数（下多少页呀），及起始页数（从哪开始）。经验发现一页100张。这回方便了，不用每次从头开始了。

嘿嘿，这就是一个下载器的基本思路啦

三、代码如下

# -*-coding:utf-8 -*-

__author__='WYY'

__date__='2017.03.17'

#【原创】爬虫实战小项目：pixabay 图片下载器

import re

import os

import requests

import urllib2

import time

class Spider():

#初始化参数

def __init__(self):

self.keyword=raw_input(u'欢迎使用pixabay 图片搜索下载神器\n请输入搜索关键词(英文)：')

self.siteURL='http://pixabay.com/zh/photos/?image_type=&cat=&min_width=&min_height=&q='+str(self.keyword)+'&order=popular'

#获取详情页源码

def getSource(self,url):

result=requests.get(url).text.encode('utf-8')

return result

#获取图片页数

def getPageNum(self):

result=self.getSource(self.siteURL)

pattern=re.compile(' pattern1=re.compile('

items=re.findall(pattern2,result)

return items

#保存图片入文件

def saveImage(self,detailURL,name):

try:

picture=urllib2.urlopen(detailURL)

fileName=name+'.jpg'

string='F:\Desktop\code\pixabay\%s\%s' % (self.path, fileName)

E=os.path.exists(string)

if not E:

f=open(string, 'wb')

f.write(picture.read())

f.close()

else:

print u'图片已经存在，跳过！'

return False

except (urllib2.HTTPError,urllib2.URLError), e:

print e.reason

return None

#创建目录

def makeDir(self, path):

self.path=path.strip()

E=os.path.exists(os.path.join('F:\Desktop\code\pixabay', self.path))

if not E:

# 创建新目录,若想将内容保存至别的路径（非系统默认），需要更环境变量

# 更改环境变量用os.chdir()

os.makedirs(os.path.join('F:\Desktop\code\pixabay',self.path))

os.chdir(os.path.join('F:\Desktop\code\pixabay',self.path))

print u'成功创建名为', self.path, u'的文件夹'

return self.path

else:

print u'名为', self.path, u'的文件夹已经存在...'

return False

#对一页的操作

def saveOnePage(self,url):

i=1

items=self.getItem1(url)

for item in items:

detailURL='https://cdn.pixabay.com/photo'+str(item[0])+'-'+str(item[1])+ '_960_720.jpg'

print u'\n', u'正在下载并保存图片', i, detailURL

self.saveImage(detailURL, name='Num'+str(i))

time.sleep(0.5)

i+=1

if i>16:

items=self.getItem2(url)

i=17

for item in items:

detailURL = 'https://cdn.pixabay.com/photo'+str(item[0])+'-'+str(item[1])+'_960_720.jpg'

print u'\n', u'正在下载并保存图片', i, detailURL

self.saveImage(detailURL,name='Num'+str(i))

time.sleep(0.5)

i += 1

#对多页图片的操作

def saveMorePage(self):

numbers=self.getPageNum()

Num=int(raw_input(u'一页共100张图，\n请输入要下载的页数(默认页数大于等于1）：'))

Start=int(raw_input(u'请输入下载起始页数：'))

if numbers>=1:

for page in range(Start,Start+Num):

if page==1:

print u'\n',u'正在获取第1页的内容......'

self.url1=self.siteURL

self.makeDir(path=self.keyword + 'page' + str(page))

self.saveOnePage(url=self.url1)

else:

print u'\n',u'正在获取第',page, u'页的内容'

self.url2='https://pixabay.com/zh/photos/?orientation=&image_type=&cat=&colors=&q='+str(self.keyword)+'&order=popular&pagi='+str(page)

self.makeDir(path=self.keyword + 'page' + str(page))

self.saveOnePage(url=self.url2)

else:

return False

print u'\n',u'圆满成功!!!'

spider=Spider()

spider.saveMorePage()

四、看结果

第一页

最后一页

实现了去重

看看文件里的变化，食物已经乖乖躺在指定文件夹啦~

本篇只设计基本的思路，之后带我学好了如何爬取动态网页再进行补充。

----------------------------------------------------这是分隔线--------------------------------------------------------

Python网络爬虫入门（一）Python网络爬虫入门（一）

Python网络爬虫入门（二）python网络爬虫入门（二）

大家也可以加小编微信：tszhihu （备注：Python），拉大家到 Python爱好者社区 微信群，可以跟各位老师互相交流。谢谢。

也可以关注微信公众号：Python爱好者社区 (ID:python_shequ)