python图片搜索引擎

时间:2022-09-28 ꧁王馨雅꧂ 人气:0

前言

我们先说一下思路：先对目标网站发送请求，获取html源码，然后对源码里面的所以图片链接进行筛选，然后再次对图片链接发送请求，然后保存。

思路大致是这样，话不多说，直接上代码：

用到的模块：

import requests  #请求库  第三方库，需要安装： pip install requests
import re        #筛选库，py自带，无需安装

查找接口：

打开F12打开开发者工具,点击网络、Fetch/XHR、载荷、依次点下去，可以看到查询参数有两个，分别是：word：风景图 queryWord：风景图

我们可以利用这两个查询参数进行自定义：

我们要查找到真实的url地址，然后对url查询参数自定义，点击旁边的标头，我们看见了刚才的查询参数：word 和queryWord这两个参数，

接下来，我们使用让用户输入参数值，然后进行传参到url地址里面的word和queryWord参数，

那么word和queryWord参数，url地址里面就不能有了值了，使用{}被传参，后面使用format函数对输入的参数进行传参{}，最后形成我们需要的网址

word = input('请输入要搜索的图片：')
url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&logid=5853806806594529489&ipn=rj&ct=201326592&is=&fp=result&fr=ala&word={}&queryWord={}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=&expermode=&nojc=&isAsync=&pn=30&rn=30&gsm=1e&1658411978178='.format(word, word)
print(url) 打开网址就是你输入的内容

下一步我们要对请求头进行伪装，防止被服务器识别为爬虫程序

headers = {"User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36 Edg/99.0.1150.39'}

判断该文件夹是否存在，存在则创建，不存在则覆盖；发送请求并打印源码

if not os.path.exists(files): #假如没有文件执行以下代码：
    os.makedirs(files) #有文件夹则覆盖，没有则创建
 
req=requests.get(url=url,headers=headers).text #获取源码
print(req)  #输出源码

正则式：

res='"thumbURL":"(.*?)"' #正则式
zhengze=re.findall(res,req)   #调用findall函数进行匹配

遍历url地址并发送请求

i=1 #计数
for a in zhengze: #遍历刷选后的网址        get_image(a,i) #将遍历后的url地址传到get-image这个函数
    i+=1  #每执行一次加1
    print(a) #打印地址
    response=requests.get(url=a,headers=headers).content #获取二进制文件

设置保存类型及保存位置

    file=files+word+str(i)+'张.jpg' #设置 文件夹 路径+文件名以及类型 （完整地址）
    with open(file,'wb') as f: #写二级制文件类型，并修改变量名
        f.write(response) #把获取到的二进制文件写入
        print(word+str(i)+'张.jpg''保存成功') #提示保存成功

那么接下来奉上完整源码：

import re   #筛选url
import requests  #请求
import os  #创建文件夹
word = input('请输入要搜索的图片：')
url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&logid=5853806806594529489&ipn=rj&ct=201326592&is=&fp=result&fr=ala&word={}&queryWord={}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=&expermode=&nojc=&isAsync=&pn=30&rn=30&gsm=1e&1658411978178='.format(word, word)
#伪装浏览器
headers = {"User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36 Edg/99.0.1150.39'}
 
files='D:/{}/'.format(word) #创建文件夹路径
if not os.path.exists(files): #假如没有文件执行以下代码：
    os.makedirs(files) #有文件夹则覆盖，没有则创建
req=requests.get(url=url,headers=headers).text #获取源码
res='"thumbURL":"(.*?)"' #正则式
zhengze=re.findall(res,req)  #筛选
i=1 #计数
for a in zhengze: #遍历刷选后的网址        get_image(a,i) #将遍历后的url地址传到get-image这个函数
    i+=1  #每执行一次加1
    print(a) #打印地址
    response=requests.get(url=a,headers=headers).content #获取二进制文件
    file=files+word+str(i)+'张.jpg' #设置 文件夹 路径+文件名以及类型 （完整地址）
    with open(file,'wb') as f: #写二级制文件类型，并修改变量名
        f.write(response) #把获取到的二进制文件写入
        print(word+str(i)+'张.jpg''保存成功') #提示保存成功

我们来看看运行结果怎么样：

可以看到我搜索的是柴犬，对源码中的每个图片链接进行发送并保存。

那我保存的图片是否是柴犬呢？我们看看吧：

可以看到保存的就是柴犬图片并且创建了一个文件夹！

加载全部内容