Python爬蟲實戰：批量下載網站圖片

前言

本文的文字及圖片來源於網絡,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯系我們以作處理。

作者： GitPython

PS：如有需要Python學習資料的小伙伴可以加點擊下方鏈接自行獲取

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

1.獲取圖片的url鏈接

首先，打開百度圖片首頁，注意下圖url中的index

接着，把頁面切換成傳統翻頁版（flip），因為這樣有利於我們爬取圖片！

對比了幾個url發現，pn參數是請求到的數量。通過修改pn參數，觀察返回的數據，發現每頁最多只能是60個圖片。

注：gsm參數是pn參數的16進制表達，去掉無妨

然后，右鍵檢查網頁源代碼，直接（ctrl+F）搜索 objURL

這樣，我們發現了需要圖片的url了。

2.把圖片鏈接保存到本地

現在，我們要做的就是將這些信息爬取出來。

注：網頁中有objURL，hoverURL…但是我們用的是objURL，因為這個是原圖

那么，如何獲取objURL？用正則表達式！

那我們該如何用正則表達式實現呢？其實只需要一行代碼…

results = re.findall('"objURL":"(.*?)",', html) 

 

核心代碼：

1.獲取圖片url代碼：

# 獲取圖片url連接
def get_parse_page(pn,name):
​
    for i in range(int(pn)):
        # 1.獲取網頁
        print('正在獲取第{}頁'.format(i+1))
​
        # 百度圖片首頁的url
        # name是你要搜索的關鍵詞
        # pn是你想下載的頁數
​
        url = 'https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%s&pn=%d' %(name,i*20)
​
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4843.400 QQBrowser/9.7.13021.400'}
​
        # 發送請求，獲取相應
        response = requests.get(url, headers=headers)
        html = response.content.decode()
        # print(html)
​
        # 2.正則表達式解析網頁
        # "objURL":"http://n.sinaimg.cn/sports/transform/20170406/dHEk-fycxmks5842687.jpg"
        results = re.findall('"objURL":"(.*?)",', html) # 返回一個列表
​
        # 根據獲取到的圖片鏈接，把圖片保存到本地
        save_to_txt(results, name, i)

2.保存圖片到本地代碼：

# 保存圖片到本地
def save_to_txt(results, name, i):
​
    j = 0
    # 在當目錄下創建文件夾
    if not os.path.exists('./' + name):
        os.makedirs('./' + name)
​
    # 下載圖片
    for result in results:
        print('正在保存第{}個'.format(j))
        try:
            pic = requests.get(result, timeout=10)
            time.sleep(1)
        except:
            print('當前圖片無法下載')
            j += 1
            continue
​
        # 可忽略，這段代碼有bug
        # file_name = result.split('/')
        # file_name = file_name[len(file_name) - 1]
        # print(file_name)
        #
        # end = re.search('(.png|.jpg|.jpeg|.gif)$', file_name)
        # if end == None:
        #     file_name = file_name + '.jpg'
​
        # 把圖片保存到文件夾
        file_full_name = './' + name + '/' + str(i) + '-' + str(j) + '.jpg'
        with open(file_full_name, 'wb') as f：
            f.write(pic.content)
​
        j += 1

 

3.主函數代碼：

# 主函數
if __name__ == '__main__':
​
    name = input('請輸入你要下載的關鍵詞：')
    pn = input('你想下載前幾頁（1頁有60張）:')
    get_parse_page(pn, 

使用說明：

# 配置以下模塊
import requests 
import re
import os
import time
​
# 1.運行 py源文件
# 2.輸入你想搜索的關鍵詞，比如“柯基”、“泰迪”等
# 3.輸入你想下載的頁數，比如5，那就是下載 5 x 60=300 張圖片