• Python3 根据关键字爬取百度图片


    介绍

    1. 一个可用好用的百度图片爬取脚本,唯一的不足就是这是单线程的
    2. 运行环境 Python3.6.0
    3. 写该脚本的原因:获取图片
    4. 创作过程有参考

    源码

    # coding:utf-8
    import requests
    import os
    import re
    # import json
    import itertools
    import urllib
    import sys
    
    # 百度图片URL解码
    # http://blog.csdn.net/hbuxiaoshe/article/details/44780653
    str_table = {
        '_z2C$q': ':',
        '_z&e3B': '.',
        'AzdH3F': '/'
    }
    
    char_table = {
        'w': 'a',
        'k': 'b',
        'v': 'c',
        '1': 'd',
        'j': 'e',
        'u': 'f',
        '2': 'g',
        'i': 'h',
        't': 'i',
        '3': 'j',
        'h': 'k',
        's': 'l',
        '4': 'm',
        'g': 'n',
        '5': 'o',
        'r': 'p',
        'q': 'q',
        '6': 'r',
        'f': 's',
        'p': 't',
        '7': 'u',
        'e': 'v',
        'o': 'w',
        '8': '1',
        'd': '2',
        'n': '3',
        '9': '4',
        'c': '5',
        'm': '6',
        '0': '7',
        'b': '8',
        'l': '9',
        'a': '0'
    }
    char_table = {ord(key): ord(value) for key, value in char_table.items()}
    
    # 解码
    def decode(url):
        for key, value in str_table.items():
            url = url.replace(key, value)
        return url.translate(char_table)
    
    # 百度图片下拉
    def buildUrls(word):
        word = urllib.parse.quote(word)
        url = r"http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&fp=result&queryWord={word}&cl=2&lm=-1&ie=utf-8&oe=utf-8&st=-1&ic=0&word={word}&face=0&istype=2nc=1&pn={pn}&rn=60"
        urls = (url.format(word=word, pn=x) for x in itertools.count(start=0, step=60))
        return urls
    
    
    re_url = re.compile(r'"objURL":"(.*?)"')
    
    # 获取imgURL
    def resolveImgUrl(html):
        imgUrls = [decode(x) for x in re_url.findall(html)]
        return imgUrls
    
    # 下载图片
    def downImgs(imgUrl, dirpath, imgName, imgType):
        filename = os.path.join(dirpath, imgName)
        try:
            res = requests.get(imgUrl, timeout=15)
            if str(res.status_code)[0] == '4':
                print(str(res.status_code), ":", imgUrl)
                return False
        except Exception as e:
            print('抛出异常:', imgUrl)
            print(e)
            return False
        with open(filename + '.' + imgType, 'wb') as f:
            f.write(res.content)
        return True
    
    # 创建文件路径
    def mkDir(dirName):
        dirpath = os.path.join(sys.path[0], dirName)
        if not os.path.exists(dirpath):
            os.mkdir(dirpath)
        return dirpath
    
    
    if __name__ == '__main__':
        print("欢迎使用百度图片下载爬虫
     多个关键字请用空格进行分割
    ")
        # print("下载结果保存在脚本目录下的img文件夹中。")
        choosePath = input('请输入你想保存的路径方式
      1. 默认路径 path = IMGS/ 
      2. 相对路径 path_input/path_input/ 
      3. 绝对路径,比如 D:/IMG/
    ')
        if int(choosePath) == 3:
            dirpath = input('请输入您要保存图片的路径
    ')
        elif int(choosePath) == 2:
            path = input('请输入您要保存图片的路径
    ')
            dirpath = mkDir(path)
        else:
            path = 'IMGS'
            dirpath = mkDir(path)
    
        print("= = " * 25)
        word = input("请输入你要下载的图片关键词:
    ")
        print("= = " * 25)
    
        chooseImgType = input('请选择你要保存的图片格式
      0. default: jpg 
      1. jpg
      2. png
      3. gif
      4. 自定义
    ')
        chooseImgType = int(chooseImgType)
        if chooseImgType == 4:
            imgType = input('请输入自定义图片类型
    ')
        elif chooseImgType == 1:
            imgType = 'jpg'
        elif chooseImgType == 2:
            imgType = 'png'
        elif chooseImgType == 3:
            imgType = 'gif'
        else:
            imgType = 'jpg'
        print("= = " * 25)
    
        strtag = input("请输入您要下载图片名字,最后格式为 number+' ' +name.%s
    " % imgType)
    
        print("= = " * 25)
        numIMGS = input('请输入您要下载图片的数量
    ')
        numIMGS = int(numIMGS)
    
        urls = buildUrls(word)
        index = 0
        print("= = " * 25)
        for url in urls:
            print("正在请求:", url)
            html = requests.get(url, timeout=10).content.decode('utf-8')
            imgUrls = resolveImgUrl(html)
            # print(imgUrls)
            if len(imgUrls) == 0:  # 没有图片则结束
                break
            for url in imgUrls:
                if downImgs(url, dirpath, str(index + 1) + ' ' + strtag, imgType):
                    index += 1
                    print("已下载 %s 张" % index)
                    # 双 break 跳出下载循环
                if index == numIMGS:
                    break
            if index == numIMGS:
                print('您一共下载了 %s 张图片' % index)
                print('程序正在终止')
                break
    

    运行演示

    运行演示一

    运行演示二

    爬取的图片

    参考

  • 相关阅读:
    QT添加托盘代码
    2010年左右我说要做一个操作系统的时候,绝大多数人以为那是天方夜谭,是堂吉诃德式的行为。今天,我们讨论YunOS会成为一个新的生态和创新平台,更多人相信这件事是可能的。
    台哥算法练习:八皇后问题
    台哥算法练习 汉诺塔问题
    台哥算法练习:数组排序的几种算法
    面试遇到的两道算法题
    台哥算法练习 50人围圈报数
    台哥算法练习 自己写的一个LinkedList
    台哥算法练习 自己写的一个ArrayList
    台哥算法练习 寻找和为某值的子集
  • 原文地址:https://www.cnblogs.com/fonttian/p/9162812.html
Copyright © 2020-2023  润新知