aa吴所谓 发表于 2020-7-25 18:06

优化爬取百度图库:可改存储地址,命名

import re
import urllib
import requests
import os


def get_onepage_urls(onepageurl):
    """获取单个翻页的所有图片的urls+当前翻页的下一翻页的url"""
    if not onepageurl:
      print('已到最后一页, 结束')
      return[], ''
    try:
      html = requests.get(onepageurl).text
    except Exception as e:
      print(e)
      pic_urls = []
      fanye_url = ''
      return pic_urls, fanye_url
    pic_urls = re.findall('"objURL":"(.*?)",', html, re.S)
    fanye_urls = re.findall(re.compile(r'<a href="(.*)" class="n">下一页</a>'), html, flags=0)
    fanye_url = 'http://image.baidu.com' + fanye_urls if fanye_urls else ''
    return pic_urls, fanye_url


def down_pic(pic_urls,path):
    """给出图片链接列表, 下载所有图片"""
    s = 0
    for i, pic_url in enumerate(pic_urls):
      try:
            pic = requests.get(pic_url, timeout=15)
            string = str(i + 1)+'.jpg'
            s = i + 1
            with open(path+keyword+ str(i+1) + ".jpg", "ab") as f:
                f.write(pic.content)
                print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
      except Exception as e:
            print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
            s = i+1
            print(e)
            continue
    print("下载完成!")
if __name__ == '__main__':
    keyword = input("请输入搜索关键词:")# 关键词, 改为你想输入的词即可, 相当于在百度图片里搜索一样
    url_init_first = r'http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1497491098685_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1497491098685%5E00_1519X735&word='
    url_init = url_init_first + urllib.parse.quote(keyword, safe='/')
    all_pic_urls = []
    onepage_urls, fanye_url = get_onepage_urls(url_init)
    all_pic_urls.extend(onepage_urls)

    fanye_count = 0# 累计翻页数
    n=input("请输入翻页数:")
    if os.path.isdir("F:\Python爬取\图片/"+keyword) != True:#如果保存的路径不存在
      os.makedirs(r"F:\Python爬取\图片/"+keyword)#如果不存在。我们将创立这个路径
    path = "F:\Python爬取\图片/"+keyword+"/"
    while fanye_count<int(n):
      onepage_urls, fanye_url = get_onepage_urls(fanye_url)
      fanye_count += 1
      print('第%s页' % fanye_count)
      if fanye_url == '' and onepage_urls == []:
            break
      all_pic_urls.extend(onepage_urls)

    down_pic(list(set(all_pic_urls)),path)

wm148600 发表于 2020-7-25 18:31

这。。。。。。

关山月明 发表于 2020-7-25 19:16

为什么有requests库了还用urllib库

破小孩儿 发表于 2020-7-25 19:35

收藏学习

李辉! 发表于 2020-7-25 19:51


收藏学习,看看
页: [1]
查看完整版本: 优化爬取百度图库:可改存储地址,命名