当前位置：首页 > news >正文

Python爬虫实战：批量下载网站图片

news 来源：原创 2024/7/2 16:01:44

1.获取图片的url链接

首先，打开百度图片首页，注意下图url中的index

接着，把页面切换成传统翻页版（flip），因为这样有利于我们爬取图片！

对比了几个url发现，pn参数是请求到的数量。通过修改pn参数，观察返回的数据，发现每页最多只能是60个图片。

注：gsm参数是pn参数的16进制表达，去掉无妨

然后，右键检查网页源代码，直接（ctrl+F）搜索 objURL

这样，我们发现了需要图片的url了。

2.把图片链接保存到本地

现在，我们要做的就是将这些信息爬取出来。

注：网页中有objURL，hoverURL…但是我们用的是objURL，因为这个是原图

那么，如何获取objURL？用正则表达式！

那我们该如何用正则表达式实现呢？其实只需要一行代码…

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

核心代码：

1.获取图片url代码：

 1 # 获取图片url连接2 def get\_parse\_page(pn,name): 3 4     for i in range(int(pn)): 5         # 1.获取网页6         print('正在获取第{}页'.format(i+1))7 8         # 百度图片首页的url9         # name是你要搜索的关键词
10         # pn是你想下载的页数
11 
12         url = 'https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%s&pn=%d' %(name,i\*20)
13 
14         headers = {
15             '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'}
16 
17         # 发送请求，获取相应
18         response = requests.get(url, headers=headers)
19         html = response.content.decode()
20         # print(html)
21 
22         # 2.正则表达式解析网页
23         # "objURL":"http://n.sinaimg.cn/sports/transform/20170406/dHEk-fycxmks5842687.jpg"
24         results = re.findall('"objURL":"(.\*?)",', html) # 返回一个列表
25 
26         # 根据获取到的图片链接，把图片保存到本地
27         save\_to\_txt(results, name, i)

2.保存图片到本地代码：

 1 # 保存图片到本地2 def save\_to\_txt(results, name, i): 3 4     j = 0 5     # 在当目录下创建文件夹6     if not os.path.exists('./' + name): 7         os.makedirs('./' + name) 8 9     # 下载图片
10     for result in results:
11         print('正在保存第{}个'.format(j))
12         try:
13             pic = requests.get(result, timeout=10)
14             time.sleep(1)
15         except:
16             print('当前图片无法下载')
17             j += 1
18             continue
19 
20         # 可忽略，这段代码有bug
21         # file\_name = result.split('/')
22         # file\_name = file\_name\[len(file\_name) - 1\]
23         # print(file\_name)
24         #
25         # end = re.search('(.png|.jpg|.jpeg|.gif)$', file\_name)
26         # if end == None:
27         #     file\_name = file\_name + '.jpg'
28 
29         # 把图片保存到文件夹
30         file\_full\_name = './' + name + '/' + str(i) + '\-' + str(j) + '.jpg'
31         with open(file\_full\_name, 'wb') as f：
32 f.write(pic.content)
33 
34         j += 1

3.主函数代码：

1 # 主函数
2 if \_\_name\_\_ == '\_\_main\_\_':
3 
4     name = input('请输入你要下载的关键词：')
5     pn = input('你想下载前几页（1页有60张）:')
6     get\_parse\_page(pn,

使用说明：

1 # 配置以下模块
2 import requests 
3 import re
4 import os
5 import time
6 
7 # 1.运行 py源文件
8 # 2.输入你想搜索的关键词，比如“柯基”、“泰迪”等
9 # 3.输入你想下载的页数，比如5，那就是下载 5 x 60=300 张图片