Python 3.5_簡單上手、爬取百度圖片的高清原圖 Python 3.5_簡單上手、爬取百度圖片的高清原圖
阿新 • • 發佈:2018-11-12
Python 3.5_簡單上手、爬取百度圖片的高清原圖
2017年11月10日 15:49:50 閱讀數:1008
利用工作之餘的時間,學習Python差不多也有小一個月的時間了,路漫漫其修遠兮,我依然是隻菜鳥。
感覺學習新技術確實是一個痛並快樂著的過程,在此分享些心得和收穫,並貼一個爬取百度圖片原圖的程式碼。
程式碼主要參考了xiligey老司機前輩的一篇文章,在基礎上添加了一些的功能,在此謝過。http://m.blog.csdn.net/xiligey1/article/details/73321152
一、安裝,搭建環境
首先是Python的安裝,我想網上已經很多了,如果連安裝都搞不定接下來的也不用看了,我自己用得是3.5的版本。
除此之外分享一個國外的網站,涵蓋了幾乎全部的python模組,執行過程中有模組缺失的可以pip或者手動在這裡下載安裝。
下載下來的檔案字尾名改成.zip,解壓出來的資料夾直接放在python安裝目錄下的Lib資料夾裡即可。
為了讓我們碼程式碼更簡單舒服,除錯更輕鬆,推薦一個IDE:PyCharm ,介面和操作都很友好易上手,需要的自行百度安裝。
二、核心程式碼
首先F12除錯模式,檢視圖片的連結地址
後來實驗了,發現這是小圖的連結地址,咱直接pass。在網頁空白處右鍵檢視原始碼,根據前輩的經驗,我們能找到objUrl既是我們需要的原圖的地址,這下就好辦了,直接正則匹配,
pattern_pic = '"objURL":"(.*?)",'
而後處理翻頁的問題
pattern_fanye = '<a href="(.*)" class="n">下一頁</a>'
fanye_url = re.findall(pattern_fanye, html)[0] # 下一頁的連結
最後就可以迴圈儲存圖片了。
以下貼出程式碼:
- # coding=utf-8
- """
- 爬取百度圖片的高清原圖
- Author : MirrorMan
- Created : 2017-11-10
- """
- import re
- import sys
- import urllib
- import os
- import requests
- def get_onepage_urls(onepageurl):
- if not onepageurl:
- print('執行結束')
- return [], ''
- try:
- html = requests.get(onepageurl).text
- except Exception as e:
- print(e)
- pic_urls = []
- fanye_url = ''
- return pic_urls, fanye_url
- pic_urls = re.findall('"objURL":"(.*?)",', html, re.S)
- fanye_urls = re.findall(re.compile(r'<a href="(.*)" class="n">下一頁</a>'), html, flags=0)
- fanye_url = 'http://image.baidu.com' + fanye_urls[0] if fanye_urls else ''
- return pic_urls, fanye_url
- def down_pic(pic_urls,localPath):
- if not os.path.exists(localPath): # 新建資料夾
- os.mkdir(localPath)
- """給出圖片連結列表, 下載圖片"""
- for i, pic_url in enumerate(pic_urls):
- try:
- pic = requests.get(pic_url, timeout=15)
- string = str(i + 1) + '.jpg'
- with open(localPath + '%d.jpg' % i, 'wb')as f:
- f.write(pic.content)
- # with open(string, 'wb') as f:
- # f.write(pic.content)
- print('成功下載第%s張圖片: %s' % (str(i + 1), str(pic_url)))
- except Exception as e:
- print('下載第%s張圖片時失敗: %s' % (str(i + 1), str(pic_url)))
- print(e)
- continue
- if __name__ == '__main__':
- keyword = '泰勒斯威夫特1920*1080' # 關鍵詞, 改為你想輸入的詞即可
- url_init_first = r'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='
- url_init = url_init_first + urllib.parse.quote(keyword, safe='/')
- all_pic_urls = []
- onepage_urls, fanye_url = get_onepage_urls(url_init)
- all_pic_urls.extend(onepage_urls)
- fanye_count = 1 # 圖片所在頁數,下載完後調整這裡就行
- while 1:
- onepage_urls, fanye_url = get_onepage_urls(fanye_url)
- fanye_count += 1
- print('第%s頁' % fanye_count)
- if fanye_url == '' and onepage_urls == []:
- break
- all_pic_urls.extend(onepage_urls)
- down_pic(list(set(all_pic_urls)),'e:/PythonPic/泰勒%s/' % fanye_count)#儲存位置也可以修改
三、其它
執行跑起來,
有些圖片是無效的,一般就是連結失效了,也在我們的承受範圍中,接下來大家就盡情享受吧
MirrorMan
2017/11/10