php爬去百度图片,python爬虫：随心所欲地爬取百度图片

文章目录一、前言

二、需要导入的库

三、实现过程

1、下载链接分析

2、代码分析

3、完整代码

四、Blogger's speech

(免费学习推荐：python视频教程)

一、前言

之前爬取了很多静态网页的内容，包括：小说、图片等等，今天我来尝试一下动态网页的爬取。众所周知，百度图片就是一个动态网页。那么，冲！冲！！冲！！！

二、需要导入的库import requestsimport jsonimport os

三、实现过程

1、下载链接分析

首先，打开百度，搜索一个内容，这里搜索的是男神(本人 )——彭于晏

然后，打开抓包工具，选择XHR选项，按Ctrl+R，然后你会发现，随着你鼠标的滑动，右侧会出现一个又一个的数据包。

(这里没滑动太多，一开始因为滑动太多，录的GIF超5M了)

然后，选一个包，查看它的headers，如图：

截取之后，粘贴在记事本上，作为一个URL，后文会用到。

这里有很多很多的参数，我也不知道具体哪些是可以忽略的，后文就索性全复制下来了，具体看后文。

到这里，能够直接观察到的内容就结束了，接下来，借助代码，帮我们打开另一个世界的大门

冲就完事了！

2、代码分析

首先：把上述中的“其它参数”组在一起。

自己做的话，最好复制自己的“其它参数”。

之后，我们可以先提取一下试试，并且把编码格式改成'utf-8'url = 'https://image.baidu.com/search/acjson?'

param = {

'tn': 'resultjson_com',

'logid': ' 7517080705015306512',

'ipn': 'rj',

'ct': '201326592',

'is': '',

'fp': 'result',

'queryWord': '彭于晏',

'cl': '2',

'lm': '-1',

'ie': 'utf-8',

'oe': 'utf-8',

'adpicid': '',

'st': '',

'z': '',

'ic': '',

'hd': '',

'latest': '',

'copyright': '',

'word': '彭于晏',

's': '',

'se': '',

'tab': '',

'width': '',

'height': '',

'face': '',

'istype': '',

'qc': '',

'nc': '1',

'fr': '',

'expermode': '',

'force': '',

'cg': 'star',

'pn': '30',

'rn': '30',

'gsm': '1e',

}

# 将编码形式转换为utf-8

response = requests.get(url=url, headers=header, params=param)

response.encoding = 'utf-8'

response = response.text print(response)

运行结果如下：

看上去挺乱的哈，没事，我们给包装一下！

在上面的基础上加上：# 把字符串转换成json数据

data_s = json.loads(response)

print(data_s)

运行结果如下：

和上面相比，已经明晰很多了，但依旧不够明确，为什么呢？因为它打印的格式不方便我们观看！

对此，有两种解决办法。

①导入pprint库，接着输入pprint.pprint(data_s)，就能打印啦，如下图

②使用json在线解析器(自行百度)，结果如下：

解决掉上一步，我们会发现，想要的数据都在data里面！

那么就提取吧！a = data_s["data"]

for i in range(len(a)-1): # -1是为了去掉上面那个空数据

data = a[i].get("thumbURL", "not exist")

print(data)

结果如下：

到这里，已经成功90%啦，剩下的就是保存和优化代码了！

3、完整代码

这部分和上面有些许不同，仔细看看就会发现嗷！# -*- coding: UTF-8 -*-"""

@Author ：远方的星

@Time : 2021/2/27 17:49

@CSDN ：https://blog.csdn.net/qq_44921056

@腾讯云 ： https://cloud.tencent.com/developer/user/8320044

"""import requestsimport jsonimport osimport pprint# 创建一个文件夹path = 'D:/百度图片'if not os.path.exists(path):

os.mkdir(path)# 导入一个请求头header = {

'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_1_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'}# 用户(自己)输入信息指令keyword = input('请输入你想下载的内容：')page = input('请输入你想爬取的页数：')page = int(page) + 1n = 0pn = 1# pn代表从第几张图片开始获取，百度图片下滑时默认一次性显示30张for m in range(1, page):

url = 'https://image.baidu.com/search/acjson?'

param = {

'tn': 'resultjson_com',

'logid': ' 7517080705015306512',

'ipn': 'rj',

'ct': '201326592',

'is': '',

'fp': 'result',

'queryWord': keyword,

'cl': '2',

'lm': '-1',

'ie': 'utf-8',

'oe': 'utf-8',

'adpicid': '',

'st': '',

'z': '',

'ic': '',

'hd': '',

'latest': '',

'copyright': '',

'word': keyword,

's': '',

'se': '',

'tab': '',

'width': '',

'height': '',

'face': '',

'istype': '',

'qc': '',

'nc': '1',

'fr': '',

'expermode': '',

'force': '',

'cg': 'star',

'pn': pn,

'rn': '30',

'gsm': '1e',

}

# 定义一个空列表，用于存放图片的URL

image_url = list()

# 将编码形式转换为utf-8

response = requests.get(url=url, headers=header, params=param)

response.encoding = 'utf-8'

response = response.text # 把字符串转换成json数据

data_s = json.loads(response)

a = data_s["data"] # 提取data里的数据

for i in range(len(a)-1): # 去掉最后一个空数据

data = a[i].get("thumbURL", "not exist") # 防止报错key error

image_url.append(data)

for image_src in image_url:

image_data = requests.get(url=image_src, headers=header).content # 提取图片内容数据

image_name = '{}'.format(n+1) + '.jpg' # 图片名

image_path = path + '/' + image_name # 图片保存路径

with open(image_path, 'wb') as f: # 保存数据

f.write(image_data)

print(image_name, '下载成功啦！！！')

f.close()

n += 1

pn += 29

运行结果如下：

友情提示：

①：一页是30张

②：输入的内容可以很多变：比如桥、月亮、太阳、胡歌、赵丽颖等等。

四、Blogger’s speech

希望大家可以，点赞、关注、收藏，三连支持一下！大量免费学习推荐，敬请访问python教程(视频)