利用python批量爬取百度任意类别的图片的实现方法


Posted in Python onOctober 07, 2020

利用python批量爬取百度任意类别的图片时:
(1):设置类别名字。
(2):设置类别的数目,即每一类别的的图片数量。
(3):编辑一个txt文件,命名为name.txt,在txt文件中输入类别,此类别即为关键字。并将txt文件与python源代码放在同一个目录下。

利用python批量爬取百度任意类别的图片的实现方法

python源代码:

# -*- coding: utf-8 -*-
"""
Created on Sun Sep 13 21:35:34 2020
@author: ydc
"""
import re
import requests
from urllib import error
from bs4 import BeautifulSoup
import os

num = 0
numPicture = 0
file = ''
List = []
def Find(url, A):
  global List
  print('正在检测图片总数,请稍等.....')
  t = 0
  i = 1
  s = 0
  while t < 1000:
    Url = url + str(t)
    try:
      # 这里搞了下
      Result = A.get(Url, timeout=7, allow_redirects=False)
    except BaseException:
      t = t + 60
      continue
    else:
      result = Result.text
      pic_url = re.findall('"objURL":"(.*?)",', result, re.S) # 先利用正则表达式找到图片url
      s += len(pic_url)
      if len(pic_url) == 0:
        break
      else:
        List.append(pic_url)
        t = t + 60
  return s
def recommend(url):
  Re = []
  try:
    html = requests.get(url, allow_redirects=False)
  except error.HTTPError as e:
    return
  else:
    html.encoding = 'utf-8'
    bsObj = BeautifulSoup(html.text, 'html.parser')
    div = bsObj.find('div', id='topRS')
    if div is not None:
      listA = div.findAll('a')
      for i in listA:
        if i is not None:
          Re.append(i.get_text())
    return Re
def dowmloadPicture(html, keyword):
  global num
  # t =0
  pic_url = re.findall('"objURL":"(.*?)",', html, re.S) # 先利用正则表达式找到图片url
  print('找到关键词:' + keyword + '的图片,即将开始下载图片...')
  for each in pic_url:
    print('正在下载第' + str(num + 1) + '张图片,图片地址:' + str(each))
    try:
      if each is not None:
        pic = requests.get(each, timeout=7)
      else:
        continue
    except BaseException:
      print('错误,当前图片无法下载')
      continue
    else:
      string = file + r'\\' + keyword + '_' + str(num) + '.jpg'
      fp = open(string, 'wb')
      fp.write(pic.content)
      fp.close()
      num += 1
    if num >= numPicture:
      return
if __name__ == '__main__': # 主函数入口
  headers = {
    'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
    'Connection': 'keep-alive',
    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:60.0) Gecko/20100101 Firefox/60.0',
    'Upgrade-Insecure-Requests': '1'
  }
  A = requests.Session()
  A.headers = headers
  ###############################
  tm = int(input('请输入每类图片的下载数量 '))
  numPicture = tm
  line_list = []
  with open('./name.txt', encoding='utf-8') as file:
    line_list = [k.strip() for k in file.readlines()] # 用 strip()移除末尾的空格
  for word in line_list:
    url = 'https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&pn='
    tot = Find(url, A)
    Recommend = recommend(url) # 记录相关推荐
    print('经过检测%s类图片共有%d张' % (word, tot))
    file = word + '文件'
    y = os.path.exists(file)
    if y == 1:
      print('该文件已存在,请重新输入')
      file = word + '文件夹2'
      os.mkdir(file)
    else:
      os.mkdir(file)
    t = 0
    tmp = url
    while t < numPicture:
      try:
        url = tmp + str(t)
        # result = requests.get(url, timeout=10)
        # 这里搞了下
        result = A.get(url, timeout=10, allow_redirects=False)
        print(url)
      except error.HTTPError as e:
        print('网络错误,请调整网络后重试')
        t = t + 60
      else:
        dowmloadPicture(result.text, word)
        t = t + 60
    # numPicture = numPicture + tm
  print('当前搜索结束,感谢使用')

到此这篇关于利用python批量爬取百度任意类别的图片的实现方法的文章就介绍到这了,更多相关python批量爬取百度图片内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
python函数返回多个值的示例方法
Dec 04 Python
Python3.0与2.X版本的区别实例分析
Aug 25 Python
利用Python爬取可用的代理IP
Aug 18 Python
解决pycharm无法调用pip安装的包问题
May 18 Python
Python绘制正余弦函数图像的方法
Aug 28 Python
使用Python批量修改文件名的代码实例
Jan 24 Python
详解pandas使用drop_duplicates去除DataFrame重复项参数
Aug 01 Python
关于django 1.10 CSRF验证失败的解决方法
Aug 31 Python
导入tensorflow:ImportError: libcublas.so.9.0 报错
Jan 06 Python
Pandas —— resample()重采样和asfreq()频度转换方式
Feb 26 Python
GitHub上值得推荐的8个python 项目
Oct 30 Python
Python字符串对齐、删除字符串不需要的内容以及格式化打印字符
Jan 23 Python
Python colormap库的安装和使用详情
Oct 06 #Python
Django-Scrapy生成后端json接口的方法示例
Oct 06 #Python
Python3如何使用range函数替代xrange函数
Oct 05 #Python
Python threading模块condition原理及运行流程详解
Oct 05 #Python
Python urllib库如何添加headers过程解析
Oct 05 #Python
Python3获取cookie常用三种方案
Oct 05 #Python
Python collections.deque双边队列原理详解
Oct 05 #Python
You might like
destoon会员注册提示“数据校验失败(2)”解决方法
2014/06/21 PHP
PHP使用glob函数遍历目录或文件夹的方法
2014/12/16 PHP
Zend Framework教程之前端控制器Zend_Controller_Front用法详解
2016/03/07 PHP
PHP7.1新功能之Nullable Type用法分析
2016/09/26 PHP
用Laravel轻松处理千万级数据的方法实现
2020/12/25 PHP
JS数组的遍历方式for循环与for...in
2014/07/31 Javascript
javascript实现的闭包简单实例
2015/07/17 Javascript
自己动手写的jquery分页控件(非常简单实用)
2015/10/28 Javascript
java必学必会之static关键字
2015/12/03 Javascript
jquery trigger函数执行两次的解决方法
2016/02/29 Javascript
JavaScript利用HTML DOM进行文档操作的方法
2016/03/28 Javascript
使用JavaScript判断手机浏览器是横屏还是竖屏问题
2016/08/02 Javascript
JavaScript折半查找(二分查找)算法原理与实现方法示例
2018/08/06 Javascript
layui-table对返回的数据进行转变显示的实例
2019/09/04 Javascript
vue v-for直接循环数字实例
2019/11/07 Javascript
vue实现图片懒加载的方法分析
2020/02/05 Javascript
layui使用及简单的三级联动实现教程
2020/12/01 Javascript
[01:39]2014DOTA2国际邀请赛 Newbee经理CU专访队伍火力全开
2014/07/15 DOTA
[46:02]DOTA2上海特级锦标赛D组资格赛#2 Liquid VS VP第二局
2016/02/28 DOTA
Python ORM框架SQLAlchemy学习笔记之安装和简单查询实例
2014/06/10 Python
Python正则表达式教程之一:基础篇
2017/03/02 Python
基于Python Numpy的数组array和矩阵matrix详解
2018/04/04 Python
对Python字符串中的换行符和制表符介绍
2018/05/03 Python
python批量创建指定名称的文件夹
2019/03/21 Python
基于python的ini配置文件操作工具类
2019/04/24 Python
python 定义类时,实现内部方法的互相调用
2019/12/25 Python
python和php哪个容易学
2020/06/19 Python
python实现快速文件格式批量转换的方法
2020/10/16 Python
几个判断型的面试题
2012/07/03 面试题
《中彩那天》教学反思
2014/02/22 职场文书
数据保密承诺书
2014/06/03 职场文书
经济管理自荐书
2014/06/09 职场文书
学校师德师风整改方案
2014/10/28 职场文书
教师党员承诺书2015
2015/01/21 职场文书
小学端午节活动总结
2015/02/11 职场文书
使用HBuilder制作一个简单的HTML5网页
2022/07/07 HTML / CSS