各位未来国家栋梁们好啊~相信栋梁们经常需要在网络上寻找各种资源，作为二次元的必备精神食粮，图片资源那是必不可少！在这里用python写了一个超简单的图片爬取小项目~话不多说，附上源码！（有用的话点个赞或者以后会用点个收藏不迷路哦~）
1.准备工作。
这里只需要准备好pycharm即可，但要保持网络通畅通，使用pycharm新建项目后一定要在.py源文件同级目录下创建一个空的名为image的文件夹，爬取的图片将会保存在image文件夹下。
2.创建python文件后直接将代码复制进去即可。（快端上来罢~）
import requests
import json
"""
version1
"""
# https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1670164898311_R&pv=&ic=&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&dyTabStr=MCwzLDYsNCw1LDEsOCw3LDIsOQ%3D%3D&ie=utf-8&sid=&word=%E5%8A%A8%E6%BC%AB
# header用于伪装自己的程序以获得服务器的数据请求许可
headers = {
"Host": "image.baidu.com",
"Cookie": "BDqhfp=%E5%8A%A8%E6%BC%AB%26%26-10-1undefined%26%268364%26%269; BIDUPSID=633DBE996B8FF3C8C468EEC5725F44F1; PSTM=1667711202; BAIDUID=633DBE996B8FF3C8033B690572DCDCE2:FG=1; BAIDUID_BFESS=633DBE996B8FF3C8033B690572DCDCE2:FG=1; ZFY=:AZLVAVUXbk0EZCCK98sVRIwyMPfIvN3lto4EyxILmRc:C; H_PS_PSSID=37855_36554_37840_37766_37760_26350_22158_37882; delPer=0; PSINO=6; BA_HECTOR=04240g058500a4al2l018oua1hopajr1g; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598; BDRCVFR[dG2JNJb_ajR]=mk3SLVN4HKm; BDRCVFR[-pGxjrCMryR]=mk3SLVN4HKm; BDRCVFR[X_XKQks0S63]=mk3SLVN4HKm; firstShowTip=1; indexPageSugList=%5B%22%E5%8A%A8%E6%BC%AB%22%5D; cleanHistoryStatus=0; userFrom=null; ab_sr=1.0.1_ZmNiNzk0NWRiMjhjOGRiZDY1NjMwODkxYjdlMDAwMGJmMDhjYjMwNGM5MGQwOGFjMjJmN2Y1NTNmNzkxZjEzOWM3Yjg0NWQ3ZGVjNzMwOWMzMTQ2MzI1ZTcwY2JkYWIxOWNiZDMzNTk1ZjVkMWEzNWRiNjI2MGMyNTVkMjlkODVhOWY3Njk0MzFlOGI5N2UzNDQyNzNkZGUzMWQ1YzM2OQ==",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36"
}
# 对图片的命名，默认从1开始（可自行修改）
num = 1
# 需要爬取的页数，数越大，爬取的图片越多
page = 11
def spider_picture(num, page):
for i in range(1, page): # 循环执行每一张图片的获取，其中末尾的{i*30}是通过分析每一张图片的URL发现的规律
url = f"https://image.baidu.com/search/acjson?tn=resultjson_com&logid=8419943923068396246&ipn=rj&ct=201326592&is=&fp=result&fr=&word=%E5%8A%A8%E6%BC%AB&queryWord=%E5%8A%A8%E6%BC%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=©right=&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&expermode=&nojc=&isAsync=&pn={i * 30}&rn=30&gsm=14a&1670165078825="
response = requests.get(url, headers=headers)
# print(response.text)
# 将获取到的信息装换为json数据，以便python能够处理
json_data = response.json()
# 观察发现key值为data的字典值里面有我们需要的图片连接
data_list = json_data["data"]
for data in data_list[:-1]:
print(data)
# 在data中取出每一张图片的URL
picture_url = data["hoverURL"]
# 通过get函数获取每一张图片的信息，content表示将获取到的信息装换为二进制数据
image_data = requests.get(picture_url).content
# 把图片存入文件夹
with open(f"image/pic_{num}.jpg", "wb") as fp:
fp.write(image_data)
num += 1
if __name__ == "__main__":
spider_picture(1, 5)3.这里需要用到requests库，如果没有安装这个库，需要安装该库。
- 方法一：鼠标放在代码中import requests上，点击安装库。
- 方法二：打开控制台cmd窗口，输入以下代码回车。
pip install requests4.需要注意的事项。
- 这里的参数num：表示的是为图片的命名，只能为数字，默认设置的从1开始，因此，图片名依次为pic_1，pic_2，pic_3...等。(可以自行修改。)
- 这里的参数page：表示的是需要爬取的网页图片页数，设置的越大，爬取的图片越多。（可以自行修改。）
- 重要：如果你已经使用过一次，并爬取了图片，需要将image文件夹里面的图片移出去，或者删除后再进行第二次使用。（因为图片名默认从pic_1开始的，如果第二次运行时image文件夹里面有同名图片，则该同名图片将会被覆盖，只有非同名图片才会被保存。获取的是content转化后的二进制数据保存在.jpg格式的文件下。）
5.补充。
下面有另一个版本，如果有需要，可以实现该接口里面的音乐爬取方法和视频爬取方法练练手吧。（萌新害怕.jpg）给栋梁端上version2版本。
import requests
import json
"""
version2
"""
# https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1670164898311_R&pv=&ic=&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&dyTabStr=MCwzLDYsNCw1LDEsOCw3LDIsOQ%3D%3D&ie=utf-8&sid=&word=%E5%8A%A8%E6%BC%AB
headers = {
"Host": "image.baidu.com",
"Cookie": "BDqhfp=%E5%8A%A8%E6%BC%AB%26%26-10-1undefined%26%268364%26%269; BIDUPSID=633DBE996B8FF3C8C468EEC5725F44F1; PSTM=1667711202; BAIDUID=633DBE996B8FF3C8033B690572DCDCE2:FG=1; BAIDUID_BFESS=633DBE996B8FF3C8033B690572DCDCE2:FG=1; ZFY=:AZLVAVUXbk0EZCCK98sVRIwyMPfIvN3lto4EyxILmRc:C; H_PS_PSSID=37855_36554_37840_37766_37760_26350_22158_37882; delPer=0; PSINO=6; BA_HECTOR=04240g058500a4al2l018oua1hopajr1g; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598; BDRCVFR[dG2JNJb_ajR]=mk3SLVN4HKm; BDRCVFR[-pGxjrCMryR]=mk3SLVN4HKm; BDRCVFR[X_XKQks0S63]=mk3SLVN4HKm; firstShowTip=1; indexPageSugList=%5B%22%E5%8A%A8%E6%BC%AB%22%5D; cleanHistoryStatus=0; userFrom=null; ab_sr=1.0.1_ZmNiNzk0NWRiMjhjOGRiZDY1NjMwODkxYjdlMDAwMGJmMDhjYjMwNGM5MGQwOGFjMjJmN2Y1NTNmNzkxZjEzOWM3Yjg0NWQ3ZGVjNzMwOWMzMTQ2MzI1ZTcwY2JkYWIxOWNiZDMzNTk1ZjVkMWEzNWRiNjI2MGMyNTVkMjlkODVhOWY3Njk0MzFlOGI5N2UzNDQyNzNkZGUzMWQ1YzM2OQ==",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36"
}
num = 1
page = 11
class spider_sp:
__flag = True
__instance = None
def spider_pictue(self, num, page):
pass
def spider_music(self):
pass
def spider_vedio(self):
pass
class spider(object):
__flag = True
__instance = None
def __new__(cls, *args, **kwargs):
if cls.__instance:
cls.__instance = super().__new__(cls)
return cls.__instance
def __init__(self, file_number, page_number):
if self.__flag:
self.num = file_number
self.page = page_number
__flag = False
def spider_picture(self, num, page):
for i in range(1, page):
url = f"https://image.baidu.com/search/acjson?tn=resultjson_com&logid=8419943923068396246&ipn=rj&ct=201326592&is=&fp=result&fr=&word=%E5%8A%A8%E6%BC%AB&queryWord=%E5%8A%A8%E6%BC%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=©right=&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&expermode=&nojc=&isAsync=&pn={i * 30}&rn=30&gsm=14a&1670165078825="
response = requests.get(url, headers=headers)
# print(response.text)
json_data = response.json()
data_list = json_data["data"]
for data in data_list[:-1]:
print(data)
picture_url = data["hoverURL"]
image_data = requests.get(picture_url).content
with open(f"image/pic_{num}.jpg", "wb") as fp:
fp.write(image_data)
num += 1
if __name__ == "__main__":
worker_1 = spider(1, 5)
try:
worker_1.spider_picture()
except Exception:
print(f"爬取图片出现错误！请检查header或者URL连接！")写完啦~下班~
注：本文爬取的图片属于百度的公开图库，代码中的多行注释中有原网页。本人学习中，发文练练手，想和大佬们一起进步。
嘿嘿~代码香香的，软软的~嘿嘿~
这个赞我是不会要的，啊，不要点啊~说了明明不要的，非要给我那也没办法了
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
