Python 通过关键词下载百度图片

打开百度图片后，输入相关关键词，根据分析，发现百度图片初始只会渲染部分图像到页面上，随着滚轮下滚，就会请求新的数据，因此我们可以判断页面是经过ajax请求数据后，渲染至页面。百度图片网址：

https://image.baidu.com/

打开”网络“，可以发现请求的数据非常非常多，而我们只想找刚刚请求的图像数据。通过分析后，发现了如下图所示的链接返回的就是对应的图像数据，因此我们查看参数构建对应的请求即可。

关于图片分页数据是如何构成的呢，通过查看构建的请求参数，可以发现pn，pn是按30、60、90进行排列的。由此判断是 n*30即可，关于queryWord，是关键词编码后的数据，因URL只支持一部分ASCII编码，而中文内容需要进行编码，使用parse.quote()即可。

示例代码如下：

import re
from urllib import parse
import os
import requests




class BaiPic(object):


    def download_img(self, index, url, foldername):
        if not os.path.exists(f'./{foldername}'):
            print(f'{foldername}文件夹不存在,即将创建')
            os.mkdir(f'{foldername}')
            print('创建成功')
        name = f'./{foldername}/{index}.jpg'
        content = requests.get(url)
        with open(name, 'wb') as f:
            f.write(content.content)


    def gain_img_url(self, url):
        header = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
                          " (KHTML, like Gecko) Chrome/99.0.4844.84 Safari/537.36"
        }
        content = requests.get(url, headers=header)
        rule = r'"thumbURL":"(.*?)"'
        url_list = re.findall(rule, content.text)
        return url_list


    def create_url(self, page, name):
        urls_list = []
        for i in range(1, page + 1):
            url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&logid=8641423673525825447' \
                  '&ipn=rj&ct=201326592&is=&fp=result&fr=&word={}&queryWord={}cl=2&lm=-1&ie=utf-8&oe=utf-8' \
                  '&adpicid=&st=-1&z=&ic=0&hd=&latest=©right=&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1' \
                  '&expermode=&nojc=&isAsync=&pn={}&rn=30&gsm=3c&1648349652108='
            url = url.format(name, name, i * 30)
            urls_list.append(url)
        return urls_list


    def main_mtd(self):
        page = int(input('请输入下载的页数'))
        name = input('请输入你要下载的内容')
        all_img_urls_list = []
        name_ascii = parse.quote(name)
        index_url_list = self.create_url(page, name_ascii)
        for url in index_url_list:
            img_url_list = self.gain_img_url(url)
            all_img_urls_list.extend(img_url_list)
        for index, url in enumerate(all_img_urls_list):
            self.download_img(index, url, name)




if __name__ == '__main__':
    baiPic = BaiPic()
    baiPic.main_mtd()