感谢博主,这个非常使用,开袋即食的那种
在很久很久以前, 我是一个苦逼的90后挨踢空穴老人, 一个人的夜里可是什么事都能干得出来! 这不, 我用我的程序把美女图片给抓了过来…
言归正传, 本文介绍如何爬百度图片(滑稽.jpg):
输入想要抓取的图片的关键字, 如"猫"、“美女"等, 然后输出百度图片搜索"猫”、"美女"的所有图片
采用翻页模式进行爬取
1. 分析网页结构
http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1497491098685_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1497491098685%5E00_1519X735&word=“keyword”
精简一下该网址,其实就是↓
https://image.baidu.com/search/flip?tn=baiduimage&word=“keyword”
在浏览器中访问上述网址, 得到如下页面:
可以看到, 图片是以翻页的形式展现的. 其次, 搜索词"keyword"即为网址最后的word的值. 所以, 如果你想搜什么, 就把"word=“后面的keyword改成对应的词即可, 如"猫”
然后看看这个网址是不是和我们之前设想的一样(即keyword=猫).
复制过来一看
http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1582615702295_R&pv=&ic=0&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=0&height=0&face=0&istype=2&ie=utf-8&ctd=1582615702296%5E00_1665X948&sid=&word=%E7%8C%AB
感觉不对劲, 我要的是"猫", "%E7%8C%AB"是什么鬼?!
————————————————
版权声明:本文为CSDN博主「数据科学家修炼之道」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/xiligey1/article/details/73321152
原来, 还需要一顿操作:
>>>from urllib.parse import quote >>>keyword="猫" >>>keyword=quote(keyword) >>>keyword '%E7%8C%AB'
现在, 就可以拼接网页了: ....(一大堆) + keyword="你想搜索的关键词"
右键查看网页源代码之后, 发现:
图片的网址都是这样的格式: "objURL":"网址"
, 那就好办了, 直接用正则表达式就能解决
1 import re 2 pattern_pic = '"objURL":"(.*?)",' 3 # 这里的html就是网页的源代码的内容, 此处不介绍, 稍后给出 4 pic_list = re.findall(pattern_pic, html, re.S) # 存储当前页的所有图片的url的列表
下一页的链接同理根据正则得出:
1 pattern_fanye = '<a href="(.*)" class="n">下一页</a>'
2 fanye_url = re.findall(pattern_fanye, html)[0] # 下一页的链接
上面已经根据当前页的url得到了当前页的所有图片的链接, 以及下一页的url.
如此, 循环下去, 即可得到每一页的所有图片的链接.
1 all_pic_list = [] # 存储所有翻页的所有图片的链接的列表 2 while 1: 3 all_pic_list.extend(pic_list) 4 if 循环完所有翻页: 5 break
已知了图片链接, 直接下载即可
1 for i, pic_url in enumerate(all_pic_list): 2 pic = requests.get(pic_url) 3 string = './images/' + str(i + 1) + '.jpg' 4 with open(string, 'wb') as f: 5 f.write(pic.content)