为了做一个图像分类的小项目，需要制作自己的数据集。要想制作数据集，就得从网上下载大量的图片，再统一处理。

这时，一张张的保存下载，就显得很繁琐。那么，有没有一种方法可以把搜索到的图片直接下载到本地电脑中呢？

有啊！用python吧！

我以“泰迪”、“柯基”、“拉布拉多”等为关键词，分别下载了500张图片。下一篇，我打算写一个小狗分类器，不知道各位意见如何！

结果演示：

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：

# 获取图片url连接

def get_parse_page(pn,name):

for i in range(int(pn)):

# 1.获取网页

print('正在获取第{}页'.format(i+1))

# 百度图片首页的url

# name是你要搜索的关键词

# pn是你想下载的页数

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'}

# 发送请求，获取相应

response = requests.get(url, headers=headers)

html = response.content.decode()

# print(html)

# 2.正则表达式解析网页

# "objURL":"http://n.sinaimg.cn/sports/transform/20170406/dHEk-fycxmks5842687.jpg"

results = re.findall('"objURL":"(.*?)",', html) # 返回一个列表

# 根据获取到的图片链接，把图片保存到本地

save_to_txt(results, name, i)

2.保存图片到本地代码：

# 保存图片到本地

def save_to_txt(results, name, i):

j = 0

# 在当目录下创建文件夹

if not os.path.exists('./' + name):

os.makedirs('./' + name)

# 下载图片

for result in results:

print('正在保存第{}个'.format(j))

try:

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

time.sleep(1)

except:

print('当前图片无法下载')

j += 1

continue

# 可忽略，这段代码有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'

# 把图片保存到文件夹

file_full_name = './' + name + '/' + str(i) + '-' + str(j) + '.jpg'

with open(file_full_name, 'wb') as f：

f.write(pic.content)

j += 1

核心代码：

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

f.write(pic.content)3.主函数代码：

# 主函数

if __name__ == '__main__':

name = input('请输入你要下载的关键词：')

pn = input('你想下载前几页(1页有60张):')

get_parse_page(pn, name)

使用说明：

# 配置以下模块

import requests

import re

import os

import time

# 1.运行 py源文件

# 2.输入你想搜索的关键词，比如“柯基”、“泰迪”等

# 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