九行代码带你爬取任何你想要爬取的图片

川川菜鸟

发布于 2021-10-18 10:30:32

7170

发布于 2021-10-18 10:30:32

首先，我们直接用的是icrawler这个爬取的模块，简直是太方便了，用不着再去分析网页，用不着再去写正则。。都不用，一个循环遍历就行，模块给我们封装好了。解释下，我注释掉的部分分别是百度和谷歌的这个搜索引擎模块（我这这么叫的）吧，看那个英文单词crawler就是爬虫的意思，我在这里用的是bing的爬虫。你们要用别的爬虫也可以的。第一步代码：我定义的这个列表。列表的话，我们可以任意添加多少，添加你任何想要爬取的图片。举个例子，我想要爬取张杰，林俊杰，周杰伦他们的图片，那我们就在列表里面分别添加这三个人的，注意分开哈，看我代码，我是分开了的。（偷偷说一下，想要爬取美女帅哥图片，可以直接列表中装个’美女’,‘帅哥’，哈哈）第二步：遍历这个列表，然后在下面顶一个我们要保存的路径，我是装在一个photo的文件夹，不用自己取建立文件夹，就在代码里面把定义好自己的文件夹名字，运行完成后会生成文件夹。我这里是运行完成后生成photo文件夹，这个文件夹下两个子文件夹，分别为李现和陈晓的文件夹。第三步就是用这个模块，定义解析器数目和下载线程数，建议别太大，我觉得可能会被封ip.一般五六个差不多了。最后一步就是根据关键字和图片数量进行开始爬取。

这是不是很好学的一个爬虫技巧？学会了点个赞加个关注好嘛

# from icrawler.builtin import BaiduImageCrawler
from icrawler.builtin import BingImageCrawler
# from icrawler.builtin import GoogleImageCrawler
#需要爬取的关键字
list_word = ['李现','陈晓']
for word in list_word:
    #bing爬虫
    #保存路径
    bing_storage = {'root_dir':'photo\\'+word}#photo为主文件名，可以修改为别的名称，，列表有多少个，我们就在主列表产生
    #从上到下依次是解析器线程数，下载线程数，还有上面设置的保存路径
    bing_crawler = BingImageCrawler(parser_threads=4,
                                    downloader_threads=8,
                                    storage=bing_storage)
    #开始爬虫，关键字+图片数量
    bing_crawler.crawl(keyword=word,
                       max_num=200)

    #百度爬虫
    # baidu_storage = {'root_dir': 'baidu\\' + word}
    # baidu_crawler = BaiduImageCrawler(parser_threads=2,
    #                                   downloader_threads=4,
    #                                   storage=baidu_storage)
    # baidu_crawler.crawl(keyword=word,
    #                     max_num=2000)


    # google爬虫
    # google_storage = {'root_dir': '‘google\\' + word}
    # google_crawler = GoogleImageCrawler(parser_threads=4,
    #                                    downloader_threads=4,
    #                                    storage=google_storage)
    # google_crawler.crawl(keyword=word,
    #                      max_num=2000)

展示运行效果图：