如何利用Python爬取当年在硬盘存过的日本老师!你认识哪些呢?

前沿:

加群:683380553 获取如何爬取日本老师的源码!

这是一个命令行python程序,用于搜索Google Images上的关键字/关键短语,并可选择将图像下载到您的计算机。还可以从另一个python文件调用此脚本。

如果只想为每个关键字下载最多100个图像,则无需安装依赖项。如果您想要每个关键字超过100个图像,需要同时安装Selenium库chromedriver。故障排除部分中的详细说明。

Github地址:https://github.com/hardikvasa/google-images-download

当然,这么热门的项目,也不是一个人短时间完成的。Github上显示,此项目的贡献者就高达26人,代码总共提交了133次。此项目能收到这么多star,还是在于更多的贡献者和后期的不断维护升级。

这个项目在github也做了具体的使用说明和介绍,大家可以根据自身的项目情况进行配置即可(为了方便阅读,通过google翻译为中文)。

关于此项目使用这里多逼逼几点:

  • 版本要求
  • 该项目作者GitHub上说python2x与Python3x都可以,推荐Python3。
  • 项目使用:有2种使用方式

       方式一:使用pip安装报的方式(推荐)

pip install google_images_download

  

        方式二:手动下载

git clone https://github.com/hardikvasa/google-images-download.git 
cd google-images-download && sudo python setup.py install
  • 图片数量:
  • google搜索关键字首页默认100张图片,要抓取更多的图片,就得增加翻页功能。此项目已经实现了翻页功能,只需要使用者同时安装Selenium库chromedriver,代码里面配置即可。
  • 参数方式:
  • 原作者对参数的传递形式和每一个参数都做了详细的说明,大家可以github详细了解。

使用案例

这里给大家分享一下如何将此项目用来爬取去自己需要的图片。原作者介绍了几种关键字输入的方式。这里以文件读取的形式将关键字传入。这里爬取图片的数量选为500张,需要下载、安装Selenium库chromedriver。

1、搭建爬虫环境

pip install selenuium
pip install requests
pip install google_images_download

2、下载chromedriver驱动

因为下载的图片数量大于100,所以还需要在安装chromedriver,在代码配置chromedriver位置即可。

首先要查看自己电脑上安装的google浏览器版本号

▲谷歌浏览器版本号▲

github给的下载路径国内是无法下载的,不过小编已经将大多数驱动下载下来,需要的可以后台私信获取。当然也可以通过别的渠道获取。

▲github给的下载地址▲

在chrome官网找到与本机的google浏览器版本号一致的chromedriver

▲chrome官网对应的驱动版本号▲

下载完后,安装的路径根据操作系统自己指定。我使用的时win系统,安装在了D盘,具体路径如下:

"D:downloadchromedriver.exe"

3、编辑爬取的关键字文件:

如图所示,只需要在keywords.csv文件里面按图所示填写对应老师的名称即可。

4、代码展示:

import csv
import os
import sys
from google_images_download import google_images_download
# 实例化一个下载器
downloader = google_images_download.googleimagesdownload()
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
sys.path.insert(0, BASE_DIR)
# 读取关键字文件
csv_file = csv.reader(open(BASE_DIR + "google_imageskeywords.csv", "r"))
def download_images(csv_file):
  """
  传入关键字等参数,下载对应的图片文件
  files: 读取的关键字文件
  limit: 爬取的图片数量
  print_urls: 是否显示爬取的图片url
  chromedriver: chromedriver安装的路径。不填此参数,默认爬取前100张图片
  output_directory:自定义保存图片的位置
  """
  for key_word in csv_file:
    arguments = {"keywords": key_word, "limit": 500, "print_urls": True,
          "chromedriver": "D:downloadchromedriver.exe",
          "output_directory": BASE_DIR + "\files\"}
    downloader.download(arguments)
if __name__ ==  __main__ :
  download_images(csv_file)

运行:python google_download.py,你就会发现有源源不断的老师图片进入你的硬盘,接下来就是坐等爬完所有你要的图片了。

在实际中,我们可以利用这个python脚本去爬取基于google的任何图片了。

猜你喜欢

转载自blog.csdn.net/qq_42156420/article/details/88775995