爬虫爬取百度图片——大量、多张图片

要爬取百度图片的大量图片,可以使用Python的requests和beautifulsoup库。以下是一个简单的示例代码,用于爬取一个关键词的多张图片。




import requests
from bs4 import BeautifulSoup
import os
 
def download_image(image_url, file_path):
    response = requests.get(image_url, stream=True)
    if response.status_code == 200:
        with open(file_path, 'wb') as file:
            for chunk in response.iter_content(chunk_size=1024):
                if chunk:
                    file.write(chunk)
                    print(f"Image saved: {file_path}")
    else:
        print(f"Failed to download: {image_url}")
 
def crawl_baidu_images(keyword, max_images):
    download_dir = 'images/'
    os.makedirs(download_dir, exist_ok=True)
    base_url = 'https://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word='
    url = base_url + keyword
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    image_urls = [img['src'] for img in soup.find_all('img', class_='main_img')][:max_images]
 
    for i, image_url in enumerate(image_urls):
        file_path = download_dir + f'{i+1}.jpg'
        download_image(image_url, file_path)
 
if __name__ == '__main__':
    keyword = 'tiananmen'  # 替换为你想要的关键词
    max_images = 20  # 最多下载的图片数量
    crawl_baidu_images(keyword, max_images)

请注意,这个代码仅用作学习和演示目的,实际使用时应遵守相关法律法规,并遵守网站的爬虫政策。对于大规模爬取,应设置适当的请求间隔,并考虑使用代理和session对象以维持会话。

none
最后修改于:2024年08月23日 11:43

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日