用 Python 批量下载百度图片

为了做一个图像分类的小项目,需要制作自己的数据集。要想制作数据集,就得从网上下载大量的图片,再统一处理。

这时,一张张的保存下载,就显得很繁琐。那么,有没有一种方法可以把搜索到的图片直接下载到本地电脑中呢?

有啊!用python吧!

我以“泰迪”、“柯基”、“拉布拉多”等为关键词,分别下载了500张图片。下一篇,我打算写一个小狗分类器,不知道各位意见如何!

结果演示:

编写思路:

1.获取图片的url链接

首先,打开百度图片首页,注意下图url中的index

接着,把页面切换成传统翻页版(flip),因为这样有利于我们爬取图片!

对比了几个url发现,pn参数是请求到的数量。通过修改pn参数,观察返回的数据,发现每页最多只能是60个图片。

注:gsm参数是pn参数的16进制表达,去掉无妨

然后,右键检查网页源代码,直接(ctrl+F)搜索 objURL

这样,我们发现了需要图片的url了。

2.把图片链接保存到本地

现在,我们要做的就是将这些信息爬取出来。

注:网页中有objURL,hoverURL…但是我们用的是objURL,因为这个是原图

那么,如何获取objURL?用正则表达式!

那我们该如何用正则表达式实现呢?其实只需要一行代码…

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

核心代码:

1.获取图片url代码:

# 获取图片url连接

defget_parse_page(pn,name):

foriinrange(int(pn)):

# 1.获取网页

print('正在获取第{}页'.format(i+1))

# 百度图片首页的url

# name是你要搜索的关键词

# pn是你想下载的页数

url ='https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%s&pn=%d'%(name,i*20)

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4843.400 QQBrowser/9.7.13021.400'}

# 发送请求,获取相应

response = requests.get(url, headers=headers)

html = response.content.decode()

# print(html)

# 2.正则表达式解析网页

# "objURL":"http://n.sinaimg.cn/sports/transform/20170406/dHEk-fycxmks5842687.jpg"

results = re.findall('"objURL":"(.*?)",', html)# 返回一个列表

# 根据获取到的图片链接,把图片保存到本地

save_to_txt(results, name, i)

2.保存图片到本地代码:

# 保存图片到本地

defsave_to_txt(results, name, i):

j =

# 在当目录下创建文件夹

ifnotos.path.exists('./'+ name):

os.makedirs('./'+ name)

# 下载图片

forresultinresults:

print('正在保存第{}个'.format(j))

try:

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

time.sleep(1)

except:

print('当前图片无法下载')

j +=1

continue

# 可忽略,这段代码有bug

# file_name = result.split('/')

# file_name = file_name[len(file_name) - 1]

# print(file_name)

#

# end = re.search('(.png|.jpg|.jpeg|.gif)$', file_name)

# if end == None:

# file_name = file_name + '.jpg'

# 把图片保存到文件夹

file_full_name ='./'+ name +'/'+ str(i) +'-'+ str(j) +'.jpg'

withopen(file_full_name,'wb')asf:

f.write(pic.content)

j +=1

核心代码:

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

f.write(pic.content)

3.主函数代码:

# 主函数

if__name__ =='__main__':

name = input('请输入你要下载的关键词:')

pn = input('你想下载前几页(1页有60张):')

get_parse_page(pn, name)

使用说明:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20191205A03WP900?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券