Python爬虫实现百度图片手动下载

　　制作一个爬虫通常分以下几个步骤：

　　分析需求剖析网页源代码，配合开发者工具编撰正则表达式或则XPath表达式即将编撰 python 爬虫代码 效果预览

　　运行疗效如下：

　　存放图片的文件夹：

　　我们的爬虫起码要实现两个功能：一是搜索图片，二是手动下载。

　　搜索图片：最容易想到的是爬百度图片的结果，我们就上百度图片瞧瞧：

　　随便搜索几个关键字，可以看见早已搜索下来好多张图片：

　　我们点击右键，查看源代码：

　　打开源代码以后，发现一堆源代码比较难找出我们想要的资源。

　　这个时侯，就要用开发者工具！我们回到上一页面，调出开发者工具，我们须要用的是左上角那种东西：(鼠标追随)。

　　然后选择你想看源代码的地方，就可以发觉，下面的代码市手动定位到了相应的位置。如下图：

　　我们复制这个地址，然后到昨天的一堆源代码里搜索一下百度图片 爬虫，发现了它的位置，但是这儿我们又困惑了，这个图片有这么多地址，到底用那个呢？我们可以看见有thumbURL，middleURL，hoverURL，objURL

　　通过剖析可以晓得，前面两个是缩小的版本，hoverURL 是键盘联通之后显示的版本，objURL 应该是我们须要的，可以分别打开这几个网址瞧瞧，发现 objURL 的那种最大最清晰。

　　找到了图片地址，接下来我们剖析源代码。看看是不是所有的 objURL 都是图片。

　　发现都是以.jpg格式结尾的图片。

pic_url = re.findall('"objURL":"(.*?)",',html,re.S)

　　这里我们用了2个包百度图片 爬虫，一个是正则，一个是 requests 包

#-*- coding:utf-8 -*-

import re

import requests

　　复制百度图片搜索的链接，传入 requests ，然后把正则表达式写好

url = 'https://image.baidu.com/search/index?tn=baiduimage&ie=utf-8&word=%E6%A0%97%E5%B1%B1%E6%9C%AA%E6%9D%A5%E5%A4%B4%E5%83%8F&ct=201326592&ic=0&lm=-1&width=&height=&v=index' html = requests.get(url).text pic_url = re.findall('"objURL":"(.*?)",',html,re.S)

　　因为有很多张图片，所以要循环，我们复印出结果来瞧瞧，然后用 requests 获取网址，由于有些图片可能存在网址打不开的情况，所以加了10秒超时控制。

pic_url = re.findall('"objURL":"(.*?)",',html,re.S) i = 1 for each in pic_url:

print each

try:

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

except requests.exceptions.ConnectionError: print('【错误】当前图片无法下载')

continue

　　接着就是把图片保存出来，我们事先构建好一个 images 目录，把图片都放进去，命名的时侯，以数字命名。

dir = '../images/' + keyword + '_' + str(i) + '.jpg'

fp = open(dir, 'wb')

fp.write(pic.content)

fp.close()

i += 1

　　完整的代码

# -*- coding:utf-8 -*-

import re

import requests

def dowmloadPic(html, keyword):

pic_url = re.findall('"objURL":"(.*?)",', html, re.S)

i = 1

print('找到关键词:' + keyword + '的图片，现在开始下载图片...')

for each in pic_url:

print('正在下载第' + str(i) + '张图片，图片地址:' + str(each))

try:

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

except requests.exceptions.ConnectionError:

print('【错误】当前图片无法下载')

continue

dir = '../images/' + keyword + '_' + str(i) + '.jpg'

fp = open(dir, 'wb')

fp.write(pic.content)

fp.close()

i += 1

if __name__ == '__main__':

word = input("Input key word: ")

url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&ct=201326592&v=flip'

result = requests.get(url)

dowmloadPic(result.text, word)

　　我们听到有的图片没显示下来，打开网址看，发现确实没了。

　　因为百度有些图片它缓存到百度的服务器上，所以我们在百度上能够看到它，但它的实际链接早已失效了。

　　enjoy 我们的第一个图片下载爬虫吧！当然它除了能下载百度的图片，依葫芦画瓢，你如今应当能做好多事情了，比如爬取头像，爬天猫展示图等等。

　　完整代码已然放在Githut上