python简单爬取图片,python爬虫图片思路
文章目录
一.导言。要导入的库。实现过程一、下载链接分析二。代码分析三。完成代码四。博主的演讲(免费学习推荐:python视频教程)
一、前言
之前爬了很多静态网页,包括小说,图片等。今天,我将尝试抓取动态网页。众所周知,百度图片是一个动态网页。然后,走!走吧。走吧。
二、需要导入的库
导入请求导入JSON导入OS三、实现过程
00-1010首先打开百度,搜索一个内容。这里搜的是男神(一)——彭于晏.
然后,打开数据包捕获工具,选择XHR选项,按Ctrl+R,然后你会发现,随着你的鼠标滑动,一个接一个的数据包会出现在右侧。(这里没滑太多。一开始因为滑动太多,录制的GIF超过了5M。)
然后,选择一个包并检查其标题,如图所示:
截取后粘贴在记事本上作为网址,以后用。
这里有很多很多参数,我也不知道哪些可以忽略,所以我简单的把它们都复制到了下面的文字里。有关详细信息,请参见以下内容。
到这里,能够直接观察到的内容就结束了,接下来,借助代码,帮我们打开另一个世界的大门
结束了!
00-1010首先:将上面的“其它参数”分组。
如果你自己做,你最好复制你的"其它参数"。
之后,我们可以尝试先提取它,并将编码格式更改为 utf-8
URL= https://image . Baidu.com/search/acjson?
param={
tn: resultjson_com ,
logid : 7517080705015306512 ,
ipn: rj :
ct: 201326592 ,
是‘:’,
fp: 结果:
查询字 : 彭于晏玉岩:
cl: 2 :
lm: -1 ,
即 : utf-8 ,
oe: utf-8 ,
adpicid: ,
st: ,
z: ,
ic: ,
高清 : ,
最新 : ,
版权所有 : ,
字 : 彭于晏语研:
s: ,
se: ,
选项卡 : ,
宽度 : ,
高度 : ,
脸 : ,
istype: ,
质量控制
39;: '',
'nc': '1',
'fr': '',
'expermode': '',
'force': '',
'cg': 'star',
'pn': '30',
'rn': '30',
'gsm': '1e',
}
# 将编码形式转换为utf-8
response = requests.get(url=url, headers=header, params=param)
response.encoding = 'utf-8'
response = response.text print(response)运行结果如下:
看上去挺乱的哈,没事,我们给包装一下!
在上面的基础上加上:
# 把字符串转换成json数据运行结果如下:data_s = json.loads(response)
print(data_s)
和上面相比,已经明晰很多了,但依旧不够明确,为什么呢?因为它打印的格式不方便我们观看!
对此,有两种解决办法。
①导入pprint
库,接着输入pprint.pprint(data_s)
,就能打印啦,如下图
②使用json在线解析器(自行百度),结果如下:
解决掉上一步,我们会发现,想要的数据都在data
里面!
那么就提取吧!
a = data_s["data"]结果如下:for i in range(len(a)-1): # -1是为了去掉上面那个空数据
data = a[i].get("thumbURL", "not exist")
print(data)
到这里,已经成功90%啦,剩下的就是保存和优化代码了!
3、完整代码
这部分和上面有些许不同,仔细看看就会发现嗷!
# -*- coding: UTF-8 -*-"""运行结果如下:@Author :远方的星
@Time : 2021/2/27 17:49
@CSDN :https://blog.csdn.net/qq_44921056
@腾讯云 : https://cloud.tencent.com/developer/user/8320044
"""import requestsimport jsonimport osimport pprint# 创建一个文件夹path = 'D:/百度图片'if not os.path.exists(path):
os.mkdir(path)# 导入一个请求头header = {
'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_1_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'}# 用户(自己)输入信息指令keyword = input('请输入你想下载的内容:')page = input('请输入你想爬取的页数:')page = int(page) + 1n = 0pn = 1# pn代表从第几张图片开始获取,百度图片下滑时默认一次性显示30张for m in range(1, page):
url = 'https://image.baidu.com/search/acjson?'
param = {
'tn': 'resultjson_com',
'logid': ' 7517080705015306512',
'ipn': 'rj',
'ct': '201326592',
'is': '',
'fp': 'result',
'queryWord': keyword,
'cl': '2',
'lm': '-1',
'ie': 'utf-8',
'oe': 'utf-8',
'adpicid': '',
'st': '',
'z': '',
'ic': '',
'hd': '',
'latest': '',
'copyright': '',
'word': keyword,
's': '',
'se': '',
'tab': '',
'width': '',
'height': '',
'face': '',
'istype': '',
'qc': '',
'nc': '1',
'fr': '',
'expermode': '',
'force': '',
'cg': 'star',
'pn': pn,
'rn': '30',
'gsm': '1e',
}
# 定义一个空列表,用于存放图片的URL
image_url = list()
# 将编码形式转换为utf-8
response = requests.get(url=url, headers=header, params=param)
response.encoding = 'utf-8'
response = response.text # 把字符串转换成json数据
data_s = json.loads(response)
a = data_s["data"] # 提取data里的数据
for i in range(len(a)-1): # 去掉最后一个空数据
data = a[i].get("thumbURL", "not exist") # 防止报错key error
image_url.append(data)
for image_src in image_url:
image_data = requests.get(url=image_src, headers=header).content # 提取图片内容数据
image_name = '{}'.format(n+1) + '.jpg' # 图片名
image_path = path + '/' + image_name # 图片保存路径
with open(image_path, 'wb') as f: # 保存数据
f.write(image_data)
print(image_name, '下载成功啦!!!')
f.close()
n += 1
pn += 29
友情提示:
①:一页是30张
②:输入的内容可以很多变:比如桥、月亮、太阳、胡歌、赵丽颖等等。
四、Blogger’s speech
希望大家可以,点赞、关注、收藏,三连支持一下!
大量免费学习推荐,敬请访问python教程(视频)以上就是python爬虫:随心所欲地爬取百度图片的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。