python爬取百度图片

实验目的：在python语言中掌握正则表达式的使用；文件的读写操作。
实验要求：独立完成，并上机实践
实验内容：
一、爬取百度图片
1、准备工作：
安装爬虫需要的包： requests、lxml 、urllib
说明：requests 是用来获取网页信息的；lxml 用来解析html信息；
2、百度搜索图片的网址分析
如果在百度图片搜索中按“猫”关键字搜索后得到的url地址为：
http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1575430765250_R&pv=&ic=0&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1575430765252%5E00_1583X701&sid=&word=%E7%8C%AB
点击下一页：得到的url地址：
http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E7%8C%AB&pn=20&gsm=&ct=&ic=0&lm=-1&width=0&height=0

3、在网页的源代码中找到要下载的图片的地址
单击网页右键，可以进入网页源代码：发现图片的地址是红色下划线部分：

因此，我们只要用正则表达式来表达该地址，即"objURL":"(.?)"。
4、编写代码
思路：（1）输入要下载的图片的关键字word（如猫、狗、玫瑰花、李小龙等）。与上面的第2步的地址分析得到下载的图片的地址为：
url = ‘http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=’ + word + ‘&pn=’
（2）用requests.get(url,timeout=10)活动百度图片的html代码
（3）用re.findall(’“objURL”:"(.?)",’, html, re.S)找到当前页面所有的图片地址。
（4）按图片地址依次把图片写入文件。
**

5、完整代码

import re
import requests
from urllib import error
import os
num = 0
numPicture = 0
file = ''
List = []


def dwonPicture(html, keyword):
    global num
    # 找到当前页面所有的图片地址
    '''
    re.S的作用：如果不使用re.S参数，则只在每一行内进行匹配，
                如果一行没有，就换下一行重新开始匹配
    .*?任意个数的字符
    '''
    pic_url = re.findall('"objURL":"(.*?)",', html, re.S)  # 先利用正则表达式找到图片url
    print('找到关键词:' + keyword + '的图片，即将开始下载图片...')
    for each in pic_url:
        print('正在下载第' + str(num + 1) + '张图片，图片地址:' + str(each))
        try:
            if each is not None:
                pic = requests.get(each, timeout=7)   # 获取百度图片的html代码
            else:
                continue
        except BaseException:
            print('错误，当前图片无法下载')
            continue
        string = file + r'\\' + keyword + '_' + str(num) + '.jpg'
        fp = open(string, 'wb')
        fp.write(pic.content)
        fp.close()
        num += 1
        if num >= numPicture:
            return


if __name__ == '__main__':  # 主函数入口
    word = input("请输入搜索关键词(如猫、狗、玫瑰花、黄山等): ")
    url = 'http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=' + word + '&pn='
    numPicture = int(input('请输入要下载的图片数量 '))
    file = input('输入存储图片的文件夹的名称（如猫、狗、玫瑰花等')
    flag = os.path.exists(file)#判断文件夹是否存在
    if flag == 1:
        print('该文件已存在，请重新输入')
        file = input('请建立一个存储图片的文件夹，)输入文件夹名称即可')
        os.mkdir(file)
    else:
        os.mkdir(file)
    pn= 0
    tmp = url
    while pn < numPicture:
        try:
            url = tmp + str(pn)
            result = requests.get(url, timeout=10)   # 获得百度图片的html的代码
            print(url)
        except error.HTTPError as e:
            print('网络有问题，请联网后再试一试')
            pn = pn + 20
        else:
            dwonPicture(result.text, word)
            pn = pn + 20

    print('当前搜索结束，感谢使用')

**
运行结果：