Python爬虫实现百度图片自动下载

制作爬虫的步骤

制作一个爬虫一般分以下几个步骤：

分析需求分析网页源代码，配合开发者工具编写正则表达式或者XPath表达式正式编写 python 爬虫代码效果预览

运行效果如下：

Python爬虫实现百度图片自动下载

存放图片的文件夹：

Python爬虫实现百度图片自动下载

需求分析

我们的爬虫至少要实现两个功能：一是搜索图片，二是自动下载。

搜索图片：最容易想到的是爬百度图片的结果，我们就上百度图片看看：

Python爬虫实现百度图片自动下载

随便搜索几个关键字，可以看到已经搜索出来很多张图片：

Python爬虫实现百度图片自动下载

分析网页

我们点击右键，查看源代码：

Python爬虫实现百度图片自动下载

打开源代码之后，发现一堆源代码比较难找出我们想要的资源。

这个时候，就要用开发者工具！我们回到上一页面，调出开发者工具，我们需要用的是左上角那个东西：(鼠标跟随)。

Python爬虫实现百度图片自动下载

然后选择你想看源代码的地方，就可以发现，下面的代码区自动定位到了相应的位置。如下图：

Python爬虫实现百度图片自动下载

我们复制这个地址，然后到刚才的一堆源代码里搜索一下，发现了它的位置，但是这里我们又疑惑了，这个图片有这么多地址，到底用哪个呢？我们可以看到有thumbURL，middleURL，hoverURL，objURL

Python爬虫实现百度图片自动下载

通过分析可以知道，前面两个是缩小的版本，hoverURL 是鼠标移动过后显示的版本，objURL 应该是我们需要的，可以分别打开这几个网址看看，发现 objURL 的那个最大最清晰。

找到了图片地址，接下来我们分析源代码。看看是不是所有的 objURL 都是图片。

Python爬虫实现百度图片自动下载

发现都是以.jpg格式结尾的图片。

编写正则表达式

1	`pic_url` `=` `re.findall('"objURL":"(.*?)",',html,re.S)`

编写爬虫代码

这里我们用了2个包，一个是正则，一个是 requests 包

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

									import re

									import requests

复制百度图片搜索的链接，传入 requests ，然后把正则表达式写好

Python爬虫实现百度图片自动下载

1	`url = 'https://image.baidu.com/search/index?tn=baiduimage&ie=utf-8&word=%E6%A0%97%E5%B1%B1%E6%9C%AA%E6%9D%A5%E5%A4%B4%E5%83%8F&ct=201326592&ic=0&lm=-1&width=&height=&v=index' html = requests.get(url).text pic_url = re.findall('"objURL":"(.*?)",',html,re.S)`

因为有很多张图片，所以要循环，我们打印出结果来看看，然后用 requests 获取网址，由于有些图片可能存在网址打不开的情况，所以加了10秒超时控制。

									pic_url = re.findall('"objURL":"(.*?)",',html,re.S) i = 1 for each in pic_url:   

									print each   

									try:     

									pic= requests.get(each, timeout=10)   

									except requests.exceptions.ConnectionError:     print('【错误】当前图片无法下载')     

									continue

接着就是把图片保存下来，我们事先建立好一个 images 目录，把图片都放进去，命名的时候，以数字命名。

									dir = '../images/' + keyword + '_' + str(i) + '.jpg'

									    fp = open(dir, 'wb')

									    fp.write(pic.content)

									    fp.close()

									    i += 1

完整的代码

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

									import re

									import requests

									def dowmloadPic(html, keyword):

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

									  i = 1

									  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) + '张图片，图片地址:' + str(each))

									    try:

									      pic = requests.get(each, timeout=10)

									    except requests.exceptions.ConnectionError:

									      print('【错误】当前图片无法下载')

									      continue

									    dir = '../images/' + keyword + '_' + str(i) + '.jpg'

									    fp = open(dir, 'wb')

									    fp.write(pic.content)

									    fp.close()

									    i += 1

									if __name__ == '__main__':

									  word = input("Input key word: ")

									  url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&ct=201326592&v=flip'

									  result = requests.get(url)

									  dowmloadPic(result.text, word)