Python爬取动态图片—以百度图片为例

一：何谓动态加载图片

所谓动态加载图片即指html刚加载时，图片时没有的，然后通过json发生有关图片的数据，在插入到html里面去，以到底快速打开网页的目的，那么问题来了？我们如何找到加载文件的json文件呢?而这个问题正是我们实现爬取百度图片的第一步，让我告诉你怎么做吧。

我们以表情包这个关键字为例，如下图

在百度图片搜索表情包来到上图页面，然后按F12来到开发者页面，

我们点击二个json文件 如：

①https://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E8%A1%A8%E6%83%85%E5%8C%85&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=0&word=%E8%A1%A8%E6%83%85%E5%8C%85&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&pn=30&rn=30&gsm=1e&1523454876193=

②https://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E8%A1%A8%E6%83%85%E5%8C%85&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=0&word=%E8%A1%A8%E6%83%85%E5%8C%85&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&pn=60&rn=30&gsm=3c&1523454876394=

两个链接的第一处和第二处标红处为关键字word的编码格式，可以用urllib.parse.unquote()解码，第二个为每次涮新的步长，计算为rm+上一个pn

我们在看看链接的内容吧

这里你只要记住我们要找的图片链接为objURL就行，可以通过re模块compile与find_all方法找出这个json文件的所有objurl，有了这些objurl，到了这里我们就离成功爬取百度图片不远了。ps由于百度图片的objurl加密了，所以解密过程就不解释了。

接着便附上我们的完整代码

在学习过程中有什么不懂得可以加我的
python学习交流扣扣qun，784758214
群里有不错的学习视频教程、开发工具与电子书籍。
与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容

import json
import itertools
import urllib
import requests
import os
import re
import sys
word=input("请输入关键字：")
path="F:/maps"
if not os.path.exists(path):
    os.mkdir(path)
word=urllib.parse.quote(word)
#该URL地址不是网页的URL地址，而JSON地址
url = r"http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&fp=result&queryWord={word}&cl=2&lm=-1&ie=utf-8&oe=utf-8&st=-1&ic=0&word={word}&face=0&istype=2nc=1&pn={pn}&rn=60"
urls=[url.format(word=word,pn=x*60)for x in range(0,100)]
index=0
str_table = {
    '_z2C$q': ':',
    '_z&e3B': '.',
    'AzdH3F': '/'
}

char_table = {
    'w': 'a',
    'k': 'b',
    'v': 'c',
    '1': 'd',
    'j': 'e',
    'u': 'f',
    '2': 'g',
    'i': 'h',
    't': 'i',
    '3': 'j',
    'h': 'k',
    's': 'l',
    '4': 'm',
    'g': 'n',
    '5': 'o',
    'r': 'p',
    'q': 'q',
    '6': 'r',
    'f': 's',
    'p': 't',
    '7': 'u',
    'e': 'v',
    'o': 'w',
    '8': '1',
    'd': '2',
    'n': '3',
    '9': '4',
    'c': '5',
    'm': '6',
    '0': '7',
    'b': '8',
    'l': '9',
    'a': '0'
}
i=1
char_table = {ord(key): ord(value) for key, value in char_table.items()}
for url in urls:
    html=requests.get(url,timeout=10).text
    #设置编译格式
    a=re.compile(r'"objURL":"(.*?)"')

    downURL=re.findall(a,html)

    for t in downURL:
        #解码
        for key, value in str_table.items():
                t = t.replace(key, value)
        t=t.translate(char_table)
        try:

            html_1=requests.get(t)
            if str(html_1.status_code)[0]=="4":

                print('失败1')
                continue   
        except Exception as e:
            print('失败2')
            continue
        #下载
        with open(path+"/"+str(i)+".jpg",'wb') as f:
            f.write(html_1.content)
        i=i+1

下面两个分别是编写的爬取蜂鸟网和汇图网的爬虫代码，

汇图网爬虫;

import re
import requests
import os
import urllib
header= {'content-type': 'application/json',
           'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:22.0) Gecko/20100101 Firefox/22.0'}
url="http://soso.huitu.com/Search/GetAllPicInfo?perPageSize=102&kw={word}&page={num}"
word=input("请输入关键字：")
word=urllib.parse.quote(word)
urls=[str(url).format(word=word,num=x)for  x in  range(1,2)]
i=1

for url in urls:
    print(url)
    html=requests.get(url).text

    print(html)
    r=re.compile(r'"imgUrl":"(.*?)"')
    u=re.findall(r,html)

    for s in u:

        htmls=requests.get(s)
        with open("F:\\im\\"+str(i)+".jpg",'wb')as f:

            f.write(htmls.content)
            i=i+1

对Python感兴趣或者是正在学习的小伙伴，可以加入我们的Python学习扣qun：784758214，看看前辈们是如何学习的！从基础的python脚本到web开发、爬虫、django、数据挖掘等，零基础到项目实战的资料都有整理。送给每一位python的小伙伴！直播分享一些学习的方法和需要注意的小细节，点击加入我们的 python学习者聚集地

蜂鸟网爬虫：

import re
import requests
import os
import itertools
url="http://photo.fengniao.com/ajaxPhoto.php?action=getPhotoLists&fid=595&sort=0&page={num}"
i=1
path="F:\\fengniao"
if not os.path.exists(path):
    os.mkdir(path)
urls = [url.format(num=x) for x in range(1,100)]
for url in urls:

    html = requests.get(url).text
    r=re.compile(r'"image":"(.*?)"')
    u=re.findall(r, html)
    for downurl in u:
        downurl=str(downurl).replace("\\","").split("?")[0]
        htmls=requests.get(downurl)

        with open(path+"\\"+str(i)+".jpg",'wb') as f:
            f.write(htmls.content)
            i=i+1

        print(downurl)