python3 爬取百度图片
深度学习中,从网上下载大量的图片数据,肯定是必须的。作为python爬虫小白,记录一下此过程。
一、分析网页结构
1、在百度图片中输入狗,得到如下所示的网址
http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E7%8B%97&pn=0&gsm=78&ct=&ic=0&lm=-1&width=0&height=0
2、选择下一页时,发现只有pn和gsm的值发生了改变。
到目前为止,我知道的是:pn参数代表的是页数;word参数自然是关键词,需要转换编码格式。
gsm的值貌似随意改也没什么影响。有一种说法是gsm:表示pn的十六进制值 参考博文
3、所以,可以拼接出page请求的URL,代码如下:
def getPage(keyword,page,n):page=page*nkeyword=urllib.parse.quote(keyword, safe='/')url_begin= "http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word="url = url_begin+ keyword + "&pn=" +str(page) + "&gsm="+str(hex(page))+"&ct=&ic=0&lm=-1&width=0&height=0"return url
二、找到网页中的图片地址
1、右键 查看网页源代码,分析JSON数据可知,其中的字段objURL,即表示了原图的下载地址。
2、根据URL地址,得到图片地址的代码为:
def get_onepage_urls(onepageurl):try:html = requests.get(onepageurl).textexcept Exception as e:print(e)pic_urls = []return pic_urlspic_urls = re.findall('"objURL":"(.*?)",', html, re.S)return pic_urls
三、下载图片并保存
代码如下:
def down_pic(pic_urls):"""给出图片链接列表, 下载所有图片"""for i, pic_url in enumerate(pic_urls):try:pic = requests.get(pic_url, timeout=15)string =str(i + 1) + '.jpg'with open(string, 'wb') as f:f.write(pic.content)print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))except Exception as e:print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))print(e)continue
四、完整的代码
# coding=utf-8
"""根据搜索词下载百度图片"""
import re
import sys
import urllibimport requestsdef getPage(keyword,page,n):page=page*nkeyword=urllib.parse.quote(keyword, safe='/')url_begin= "http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word="url = url_begin+ keyword + "&pn=" +str(page) + "&gsm="+str(hex(page))+"&ct=&ic=0&lm=-1&width=0&height=0"return urldef get_onepage_urls(onepageurl):try:html = requests.get(onepageurl).textexcept Exception as e:print(e)pic_urls = []return pic_urlspic_urls = re.findall('"objURL":"(.*?)",', html, re.S)return pic_urlsdef down_pic(pic_urls):"""给出图片链接列表, 下载所有图片"""for i, pic_url in enumerate(pic_urls):try:pic = requests.get(pic_url, timeout=15)string =str(i + 1) + '.jpg'with open(string, 'wb') as f:f.write(pic.content)print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))except Exception as e:print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))print(e)continueif __name__ == '__main__':keyword = '狗' # 关键词, 改为你想输入的词即可, 相当于在百度图片里搜索一样page_begin=0page_number=30image_number=3all_pic_urls = []while 1:if page_begin>image_number:breakprint("第%d次请求数据",[page_begin])url=getPage(keyword,page_begin,page_number)onepage_urls= get_onepage_urls(url)page_begin += 1all_pic_urls.extend(onepage_urls)down_pic(list(set(all_pic_urls)))
五、参考博文
1、多线程实现百度图片爬虫
python3 爬取百度图片相关推荐
- python3爬取百度图片
python3爬取百度图片 最终目的:能通过输入关键字进行搜索,爬取相应的图片存储到本地或者数据库 首先打开百度图片的网站,搜索任意一个关键字,比如说:水果,得到如下的界面 分析: 1.百度图片搜索结 ...
- [Python3] 爬取百度图片到本地
前言 因为需要一些图片素材,又不想一个个手动下载,遂通过爬虫来解放双手.在百度图片中搜索"汉服美女",然后以浏览器地址栏上的地址作为初始 URL.通过对 URL 分析知道 URL ...
- json返回的img图片被原样输出_爬取百度图片,并下载至本地
爬取百度图片 一:本节目标 本次爬取的目标是百度图片,将图片下载到本地 二:准备工作 安装Scrapy.Python3 三:爬取思路 我们需要实现的是下载图片,所以需要获取图片的真实链接 四:爬取分析 ...
- 用python3爬取百度首页
用python3读取百度首页 代码 爬取百度首页 import urllib.request import urlliburl="http://www.baidu.com/" ht ...
- Python 爬虫实例(1)—— 爬取百度图片
爬取百度图片 在Python 2.7上运行 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author: loveNightimport json ...
- python爬取百度图片(用于深度学习中数据集的收集)
6_python爬取百度图片(用于深度学习中数据集的收集)(6-20181225-) 参考: https://blog.csdn.net/guyuealian/article/details/7873 ...
- 如何使用python爬取百度图片_python实现爬取百度图片的方法示例
本文实例讲述了python实现爬取百度图片的方法.分享给大家供大家参考,具体如下: import json import itertools import urllib import requests ...
- python爬去百度图片_python实现爬取百度图片的方法示例
本文实例讲述了python实现爬取百度图片的方法.分享给大家供大家参考,具体如下: import json import itertools import urllib import requests ...
- 详细分析如何利用python批量爬取百度图片
这篇文章主要写的是利用python网络爬虫批量来爬取百度图片并保存到文件夹中. 首先我们打开百度图片这个网页:https://image.baidu.com/ 我们现在随便搜一个类型的图片,比如小狗, ...
最新文章
- ip的正则表达式 java,项目实战:Java正则表达式验证IP地址
- web安全攻防演练网站 靶机 测试环境 收集
- 不规则图形数格子的方法_小学数学,怎么数平面图形中长方形与正方形个数
- 打包文档_苏教版小学数学16年级全十二册教案Word文档打包下载
- 大数据平台蓝图_数据科学面试蓝图
- 2.3物理层下面的传输媒体
- IaaS, PaaS和SaaS及其区别
- 最大熵阈值python_第六章-逻辑斯蒂回归和最大熵模型
- Web项目之网络爬虫
- 管理感悟:掌握工作的决定权
- idea新建一个java项目_创建第一个Java项目(Create First Java Project)
- 电子邮件地址中服务器怎么看,你如何检查电子邮件服务器(gmail)中的某个地址,并基于该地址运行一些东西?...
- 主梁弹性模量计算_混凝土松弛系数的实用计算
- oppo手机解锁_ColorOS一键解锁工具
- 学习笔记(5):Google开发专家带你学 AI:入门到实战(Keras/Tensorflow)(附源码)-深度学习“四件套”:数据、模型、损失函数与优化器...
- (一)ROS中新建机器人模型(urdf格式)并用rviz显示
- 4005. 取石子游戏
- SAP ScriptForms 教程系列一
- 电子邮件协议详解(SMTP、POP3、IMAP4)
- 重磅!全球Top 1000计算机科学家h指数公布:中国53位学者上榜