Python简单实现批量下载无版权图片

吾非同

发布于 2020-10-23 10:58:26

1.6K0

发布于 2020-10-23 10:58:26

文章被收录于专栏：吾非同

有时候我们有一些获取图片素材的需求，比如写博客或者公众号文章时，需要的插图和封面，当然这些图片必须是没有版权的免费图片，比较常用网站有pexels、pixabay等，今天再给大家介绍一个新的网站：http://alana.io/。

由于是国外的网站，访问速度比较慢，一页一页找，非常费时间，所以想到用Python爬取下载到本地，然后使用关键词进行归类，后期直接预览使用。

首先，我们要了解下爬取数据的基本流程：

发起请求：通过url向服务器发起request请求。

获取响应内容：响应的内容网页包含HTML，Json字符串或者二进制的数据（视频、图片）等。

解析内容：可以通过正则、BeautifulSoup、xpath等解析响应的数据。

保存数据：可以保存到本地文件，也可以保存到数据库（MySQL，Redis，Mongodb等）

准备工作

通过浏览器访问http://alana.io/，并搜索关键词（例如：computer），在F12中查看请求的URL。

翻到第二页，查看页码的URL规则：

点击Response，查看图片URL的规则，大多数图片是以<img width="548" height="365" src=开头的。

下面，就是批量爬取并下载图片的代码组成。

1.创建下载目录

创建关键词目录，便于后期查找。

def create_dirs(search_words):
    # 创建关键词目录
    if not os.path.exists('./{}'.format(search_words)):
        os.mkdir('./{}'.format(search_words))

2.请求并解析数据

def save_urls(url):
    # 请求并解析数据
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) \
        Chrome/76.0.3809.100 Safari/537.36'}
    html = requests.get(url,headers=headers).text # 获取响应的文本信息
    urls = re.compile(r'<img width="548" height="365" src="(.*?)"') #正则提取图片的URL列表
    res = re.findall(urls, html)
    return res

3.保存图片数据到本地

def save_pics(search_words,urls):
    # 根据图片的URL地址进行循环下载
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) \
        Chrome/76.0.3809.100 Safari/537.36'}
    for i in urls:
        filename = './{}/'.format(search_words)+i.split('/')[-1]
        try:
            with open(filename,'wb+') as f:
                f.write(requests.get(i,headers=headers).content)# 将请求响应的二进制文件写入文件
            print("图片下载成功")
        except:
            print("图片下载失败")
        time.sleep(5)

4.主函数（按页循环下载）

if __name__ == '__main__':
    search_words=input("下载图片关键词：")
    search_page=int(input("下载页数："))
    # 按页循环下载
    for page in range(1,search_page+1):
        url = 'http://alana.io/page/{}/?s={}&post_type=download'.format(page,search_words)
        create_dirs(search_words)
        urls = save_urls(url)
        save_pics(search_words,urls)
        time.sleep(2)