• Python爬虫指定关键词下载百度图片的角本


    一、角本

      把代码中word=XXX更换成你要搜索的词即可。

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-
    
    import json
    import itertools
    import urllib
    import requests
    import os
    import re
    import sys
    
    
    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'
    }
    
    # str 的translate方法需要用单个字符的十进制unicode编码作为key
    # value 中的数字会被当成十进制unicode编码转换成字符
    # 也可以直接用字符串作为value
    char_table = {ord(key): ord(value) for key, value in char_table.items()}
    
    # 解码图片URL
    def decode(url):
        # 先替换字符串
        for key, value in str_table.items():
            url = url.replace(key, value)
        # 再替换剩下的字符
        return url.translate(char_table)
    
    # 生成网址列表
    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
    
    # 解析JSON获取图片URL
    re_url = re.compile(r'"objURL":"(.*?)"')
    def resolveImgUrl(html):
        imgUrls = [decode(x) for x in re_url.findall(html)]
        return imgUrls
    
    def downImg(imgUrl, dirpath, imgName):
        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, "wb") as f:
            f.write(res.content)
        return True
    
    
    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脚本!
    目前仅支持单个关键词。")
        print("下载结果保存在脚本目录下的results文件夹中。")
        print("=" * 50)
        word = "衬衣"
    
        dirpath = mkDir("results")
    
        urls = buildUrls(word)
        index = 0
        for url in urls:
            print("正在请求:", url)
            html = requests.get(url, timeout=10).content.decode('utf-8')
            imgUrls = resolveImgUrl(html)
            if len(imgUrls) == 0:  # 没有图片则结束
                break
            for url in imgUrls:
                if downImg(url, dirpath, str(index) + ".jpg"):
                    index += 1
                    print("已下载 %s 张" % index)
  • 相关阅读:
    为STARUML写的自动生成文档脚本 分类: 开发工具 2015-07-28 10:27 9人阅读 评论(0) 收藏
    StartUML自动生成代码 分类: 开发工具 2015-07-28 10:26 11人阅读 评论(0) 收藏
    使用无连接的数据报(UDP)进行通信 分类: Java 2015-07-27 20:59 13人阅读 评论(0) 收藏
    在线HTTP POST/GET接口测试工具
    完全卸载Oracle 11g
    Spring自动事物代理
    Spring的事物处理(转)
    如何写出高性能的SQL语句(转)
    JAVA读取xml(转)
    FineReport的使用
  • 原文地址:https://www.cnblogs.com/songxingzhu/p/10524755.html
Copyright © 2020-2023  润新知