# *****************************
# ****** 2018 3.14 ***********
# ***** Author: LQ **********
# ****** Python 3.6.3 *********
# **** 用于爬取百度的图片*********
# *****************************
# *******本脚本运行时需要本机安装 Chrome 浏览器以及Chrome的驱动,同时需要selenium库的支撑********
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import time
import urllib.request
from bs4 import BeautifulSoup as bs
import re
import os
# ****************************************************
base_url_part1 = 'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=index&fr=&hs=0&xthttps=111111&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word='
base_url_part2 = '&oq=bagua&rsp=0' # base_url_part1以及base_url_part2都是固定不变的,无需更改
search_query = '红衣服' # 检索的关键词,可自行更改
location_driver = '/Users/yanyan/Downloads/chromedriver' # Chrome驱动程序在电脑中的位置
class Crawler:
def __init__(self):
self.url = base_url_part1 + search_query + base_url_part2
# 启动Chrome浏览器驱动
def start_brower(self):
chrome_options = Options()
chrome_options.add_argument("--disable-infobars")
# 启动Chrome浏览器
driver = webdriver.Chrome(executable_path=location_driver, chrome_options=chrome_options)
# 最大化窗口,因为每一次爬取只能看到视窗内的图片
driver.maximize_window()
# 浏览器打开爬取页面
driver.get(self.url)
return driver
def downloadImg(self, driver):
t = time.localtime(time.time())
foldername = search_query # 定义文件夹的名字
picpath = '/Users/yanyan/Downloads/ImageDownload/%s' % (foldername) # 下载到的本地目录
# 路径不存在时创建一个
if not os.path.exists(picpath): os.makedirs(picpath)
# 记录下载过的图片地址,避免重复下载
img_url_dic = {}
x = 0
# 当鼠标的位置小于最后的鼠标位置时,循环执行
pos = 0
for i in range(50): # 此处可自己设置爬取范围,本处设置为1,那么不会有下滑出现
pos += 500 # 每次下滚500
js = "document.documentElement.scrollTop=%d" % pos
driver.execute_script(js)
time.sleep(2)
# 获取页面源码
html_page = driver.page_source
# 利用Beautifulsoup4创建soup对象并进行页面解析
soup = bs(html_page, "html.parser")
# 通过soup对象中的findAll函数图像信息提取
imglist = soup.findAll('img', {'src': re.compile(r'https:.*\.(jpg|png)')})
for imgurl in imglist:
if imgurl['src'] not in img_url_dic:
target = '{}/{}.jpg'.format(picpath, x)
img_url_dic[imgurl['src']] = ''
urllib.request.urlretrieve(imgurl['src'], target)
x += 1
def run(self):
print(
'\t\t\t**************************************\n\t\t\t**\t\tWelcome to Use Spider\t\t**\n\t\t\t**************************************')
driver = self.start_brower()
self.downloadImg(driver)
driver.close()
print("Download has finished.")
if __name__ == '__main__':
craw = Crawler()
craw.run()
从百度爬取图片
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...