爬虫:根据关键词爬取图片

因为要训练神经网络,需要很大的数据集,使用爬虫从网上爬取了上万张图片。

此程序参考了爬虫怎么根据一个关键词爬取上千张网络图片,代码如下

#-*- coding:utf-8 -*-
import re
import requests
import traceback
import os

    
def dowmloadPic(html,keyword,startNum):
    kv = {'user-agent':'Mozilla/5.0'}
    pic_url = re.findall('"objURL":"(.*?)",',html,re.S)
    num = len(pic_url)
    i = startNum
    root = 'D:/pics/'
    print('找到关键词:'+keyword+'的图片,现在开始下载图片...')
    
    for each in pic_url:
        print('正在下载第'+str(i+1)+'张图片,图片地址:'+str(each))
        path = root + each.split('/')[-1]   
        try:
            if not os.path.exists(root):
                os.mkdir(root)
            if not os.path.exists(path):
                pic = requests.get(each,headers = kv,timeout = 10)
                with open(path,'wb') as f:
                    f.write(pic.content)
                    f.close()
                    
        except:
            traceback.print_exc()
            print ('【错误】当前图片无法下载')
            continue
        i += 1

    return i


if __name__ == '__main__':
    
    kv = {'user-agent':'Mozilla/5.0'}
    lastNum = 0
    words = ['keyword1','keyword2','keyword3']
 #words为一个列表,可以自动保存多个关键字的图片
    for word in words:
        # word = input("Input key word: ")
        if word.strip() == "exit":
            break
        pageId = 0
  #此处的参数为需爬取的页数
        for i in range(2):
            url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + "&pn="+str(pageId)+"&gsm=?&ct=&ic=0&lm=-1&width=0&height=0"
            pageId += 20
            result = requests.get(url,headers = kv)
            lastNum = dowmloadPic(result.text, 'keyword', lastNum)

 

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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