luroot153 发表于 2018-4-7 11:58:45

爬虫百度斗图图片

import requests
import re
import urllib.request
importtime




def get_url(url,n):
      n=int(n)
      headers = {
                "User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36"}
      base_url='https://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=&z=&ic=&word=%E8%A1%A8%E6%83%85%E5%8C%85&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=&fr=&pn='
      for i in range(1,n+1):
                ul=base_url+str(i*30)
                html = requests.get(ul, headers=headers)
                html.encoding = 'utf-8'
                tar = html.text
                link = re.findall(r'"thumbURL":(.*?.jpg)', tar, re.S)
                for j in link:
                        j = j.strip('"')
                        k=j[-20:]
                        get_img(j,k)
                time.sleep(5)


def get_img(url,name):
      urllib.request.urlretrieve(url, "E:\\b\\a\\爬虫百度斗图\\"+name+".jpg" )

url="https://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=&z=&ic=&word=%E8%A1%A8%E6%83%85%E5%8C%85&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=&fr=&pn"
n=input('请输入要爬取的页数:')
get_url(url,n)


页: [1]
查看完整版本: 爬虫百度斗图图片