python3爬取百度图片_python爬取百度logo

一.需要工具

1.python3
2.pycharm
3.谷歌浏览器

注：不想深究想直接拿来用的，可以跳过操作步骤，直接看结尾说明，只要是百度图片都是共用的。

二.操作步骤

(1).打开浏览器，点击百度图片，并搜索，如图：

(2).按F12进入控制台，依次点击Network->XHR,然后鼠标移到有图片的网页上，滑轮向下划几下，会出现acjson关键字的信息，这些就是由js控制生成的网页信息。找出两段带acjson的信息，点开 Headers，找到下面的Query String Paraments，对比该字段下的所有属性，最终找出一个 pn字段，该字段会随着网页下滑而数值增加。So,找到关键字点。

（3）.我们可以利用 pn关键字来改变要显示图片次序，比如在网址后加上&pn=120,就表示从第120张图片开始显示，如图：

（4）.这一步解决获取图片url的问题：

• 首先打开网页的js文件，搜索.jpg（为啥是jpg这个可以通过控制台查看）
• 然后找到图片的链接，以及该链接的key
  如图

我们最终找到js中， thumbURL这个字段对应了图片链接，至此准备工作结束。

三.实现代码

 
import re
import urllib.request
# 地址直接从浏览器拷过来
url="https://image.baidu.com/search/index?tn=baiduimage&ct=201326592&lm=-1&cl=2&ie=gb18030&word=%B9%C5%B7%E7&fr=ala&ala=1&alatpl=adress&pos=0&hs=2&xthttps=111111&pn=0"
# 这个步骤可以分为三步(最终获取的是该链接的所有源代码)
# 解析 urllib.request.urlopen(url)
# 获取 read()
# 转换编码 decode()
html=urllib.request.urlopen(url).read().decode("utf8")
# print(html)
# 通过正则表达式，来获取图片链接（步骤二.(4)）
html = re.findall('"thumbURL":"(.*?)"', html, re.S)
# print(html)
 
index = 0
# 保存图片的目录，注意目录不能是不存在的，否则会报错
localPath = "F:\pythonLX\source\古风\\"
# 设定只下载1000张，也可设得非常大，获取所有图片
while index < 1000:
    for imgUrl in html:
        print('正在下载，第%d张：%s' %(index, imgUrl))
        # 将图片写入到本地
        urllib.request.urlretrieve(imgUrl, localPath + "第%d.jpg" % index)
        index += 1
    # 这步得目的就是变更网页地址(通过 pn 关键字)，获取新的图片（步骤二.(2),(3)）
    url = re.sub("&pn=\d+", "&pn=%d" % index, url)
    print(url)
    html = urllib.request.urlopen(url).read().decode("utf8")
    html = re.findall('"thumbURL":"(.*?)"', html, re.S)
    print("+++++++len:", len(html))
 

四.结尾

本文章的关键点在于 如何获取 改变 网址的关键字，以及获取图片链接, 不过这些都是共用的，如果不想深入了解，有点基础的读者可以直接把代码拿来用也行，只要修改2处即可：
1.初始url
2.保存目录 localPath
就这样了，有不懂的可留言。