百度图片爬取python

使用requests爬取百度图片

# -*- coding:utf-8 -*-
"""
@Author: zyc
@CreateTime: 2021/6/15 8:30
@File    : Train06_baidu_pic_spyder.py
@content: crawl https://image.baidu.com/ pictures
"""
import os
from datetime import datetime

import requests


header = {'User-Agent': '自己的user-Agent'}


def get_page_url(page_url: str, pic_url_list_: []):
    """
    page_url: str  页面地址
    pic_url_list_: []  之前所有页面的所有图片地址列表
    获取页面的所有图片地址/链接
    """
    try:
        response = requests.get(page_url, headers=header)
        response.encoding = response.apparent_encoding
        link_data = response.json()['albumdata']['linkData']
        for a_link_data in link_data:
            pic_url = a_link_data["thumbnailUrl"]
            # print(pic_url)
            pic_url_list_.append(pic_url)
    except requests.exceptions as e:
        print("!!!!!! ERROR !!!!!!\n", e)
    finally:
        return pic_url_list_


def get_pages_url(base_url_: str, page_num_: int):
    """
    base_url: str,
    page_num: int 页面总数
    获取所有页面的图片地址
    """
    pic_url_list = []
    for i in range(1, page_num_+1):
        url = base_url_.format(i*30, i)
        pic_url_list = get_page_url(url, pic_url_list)
    return pic_url_list


def get_pics_save(pic_urls: [], save_dir_: str):
    """
    pic_urls: []  图片地址列表
    save_dir: str  保存路径,(路径!)
    获取并保存图片
    """
    n = 1
    for pic_url in pic_urls:
        try:
            response = requests.get(pic_url)
            pic_name = save_dir + datetime.now().date().__str__() + '-%d.jpg' % n
            if not os.path.exists(pic_name):
                with open(pic_name, 'wb') as fp:
                    for data in response.iter_content(256):
                        fp.write(data)
            print(pic_name)
            n += 1
        except requests.exceptions as e:
            print("ERROR: ", e)


if __name__ == '__main__':
    base_url = 'https://image.baidu.com/search/albumsdata?pn={0}&rn=30&tn=albumsdetail&word=%E6%B8%90%E5%8F%98%E9%A3' \
               '%8E%E6%A0%BC%E6%8F%92%E7%94%BB&album_tab=%E8%AE%BE%E8%AE%A1%E7%B4%A0%E6%9D%90&album_id=409&ic=0' \
               '&curPageNum={1}'
    page_num = 10  # 页面总数
    save_dir = '保存路径'

    pic_urls_list = get_pages_url(base_url, page_num)
    # print(pic_urls_list)

    get_pics_save(pic_urls_list, save_dir)

 

  • 0
    点赞
  • 0
    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