@

目录

<li>1.原理
• 2.寻找批量的图片URL的储存地址
  • 2.1 百度
  • 2.2 搜狗
  • 2.3 必应
  • 2.4 总结
• 3.处理存储图片URL的请求头
• 4.完整demo

1.原理

网页中的图片有自己的URL，访问这些URL可以直接得到图片，譬如，访问下面这个URL，你就能得到一张图片：

<code>https://img-blog.csdnimg.cn/a3bad4725ba94301b7cba7dd8209fea4.png#pic_center

所以，批量爬取图片的过程，就是批量获取URL的过程

2.寻找批量的图片URL的储存地址

<li>各个网站批量获得图片URL的方式略有不同，此处先以必应举例。

2.1 百度

• 打开百度进行图片搜索，并按下F12打开开发者模式

<li>在更多工具中打开“网络”

<li>找到这类请求

<li>相应的描述如图

<li>事实上，百度图片的URL信息都储存在这类请求中。这类请求的完整URL如下：

<code>https://image.baidu.com/search/acjson?tn=resultjson_com&logid=9612443976471669297&ipn=rj&ct=201326592&is=&fp=result&fr=&word=%E5%B7%A5%E7%A8%8B%E5%B8%88&queryWord=%E5%B7%A5%E7%A8%8B%E5%B8%88&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=0&hd=&latest=&copyright=&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&expermode=&nojc=&isAsync=&pn=30&rn=30&gsm=1e&1681996706325=

<li>其中的pn参数，决定了展示的图片个数，且是30的倍数
• queryWord参数和word参数，是搜索的关键词
• 访问这个URL，会得到如下杂乱的信息

<li>只要把这些信息进行恰到的处理，就可以从中提取出所有图片的URL

2.2 搜狗

• 搜狗与百度存储图片URL的请求头名字不同，如下：

2.3 必应

必应存储图片URL的请求头如下：

2.4 总结

<li>只要找到了网站批量存储图片URL的请求头，就可以通过访问这个请求头，获得其中的文本数据。接下来，我将以必应为例，讲解如何从杂乱的信息中，批量提取图片URL。

3.处理存储图片URL的请求头

• 上文中我们提及，这类请求头中的信息非常的杂乱。但是，我们可以用正则化筛选出图片的URL，如图：

<li>可以看到，通过这个正则表达式，所有图片的URL都被提取出来

4.完整demo

有了批量的图片URL，下载已经易如反掌。使用urlretrieve函数可以直接将远程数据下载到本地。详情请看接下来的完整demo：

<code># Created by Han Xu

# email:736946693@qq.com

import requests

import urllib.request

import urllib.parse

import os

import re

class Spider_bing_image():

def __init__(self):

"""

@:brief

@:return

"""

self.path=input("type in the path where you want to reserve the images:")

self.url = 'https://www4.bing.com/images/async?'

self.headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/112.0.0.0 Safari/537.36 Edg/112.0.1722.48'}

self.keyword = input("type in the keywords used to search in bing:")

self.paginator = int(input("Type in the number of pages you want.Each page has almost 30 images:"))

def get_urls(self):

"""

@:brief Get the URLs that you need to visit.

@:return return a list of the URLs

"""

keyword = urllib.parse.quote(self.keyword)

params = []

for i in range(1, self.paginator + 1):

params.append(

"q={}&first={}&count=35&cw=1233&ch=946&relp=35&datsrc=I&layout=RowBased_Landscape&apc=0&mmasync=1&dgState=x*303_y*1355_h*185_c*1_i*36_r*8&IG=6A228D01DCE044E685557DE143D55D91&SFX=2&iid=images.5554".format(

keyword,30 * i))

urls = []

for i in params:

urls.append(self.url + i)

return urls

def get_path(self):

"""

@:brief Get the path where you want to reserve the images.

@:return

"""

dirname="./"+self.pathcode>

dirname_origin = dirname

int_index = 0

while(True):

IsExist = os.path.exists(dirname)

if (IsExist==False):

os.mkdir(dirname)

IsCreate=True

break

else:

int_index+=1

dirname=dirname_origin+"({})".format(int_index)

return dirname+"/"

def get_image_url(self, urls):

"""

@:brief Get the URLs of images.

@:return a list of URLs of images

"""

image_url = []

pattern_string="http[^%&]+.jpg"code>

pattern = re.compile(pattern=pattern_string)

for url in urls:

url_txt = requests.get(url, headers=self.headers).text

url_list=pattern.findall(url_txt)

for i in url_list:

if i:

image_url.append(i)

return image_url

def get_image(self,image_url):

"""

@:brief download the images into the path you set just

@:return

"""

m = 1

for img_url in image_url:

#定义一个flag用于判断下载图片是否异常

flag=True

try:

#urlretrieve() 方法直接将远程数据下载到本地

print("第{}张图片的URL是{}".format(m,img_url))

print("保存于{}".format(os.getcwd()+self.path[1:]))

urllib.request.urlretrieve(img_url, self.path + str(m) + '.jpg')

except BaseException as error:

flag=False

print(error)

if(flag):

#下载完成提示

print('**********第'+str(m)+'张图片下载完成********')

#每下载完后一张,m累加一次

m = m + 1

print('下载完成!')

return

def __call__(self, *args, **kwargs):

"""

@brief the constrcution of the class

@:return

"""

self.path=self.get_path()

urls = self.get_urls()

image_url = self.get_image_url(urls)

self.get_image(image_url)

return

本文由博客一文多发平台 OpenWrite 发布！