1. Implementación del código
import os
import re
import time
from selenium import webdriver
from bs4 import BeautifulSoup
from urllib.request import urlretrieve
def selelnium_test(url, save_path, num):
driver = webdriver.Chrome()
driver.get(url)
for i in range(num):
driver.execute_script("window.scrollTo(0,document.body.scrollHeight)")
time.sleep(1)
html = driver.page_source
bsObj = BeautifulSoup(html)
find_imgs = bsObj.findAll("img", {'src': re.compile(r'http[^\s]*')})
print(find_imgs)
i = 1
for img in find_imgs:
imgurl = img.attrs['src']
path = os.path.join(save_path, "%s.jpg" % i)
urlretrieve(imgurl, path)
print("正在下载第{}张图片".format(i))
i += 1
driver.quit()
if __name__ == '__main__':
# 搜索的网页
url = 'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1607916436860_R&pv=&ic=&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&sid=&word=%E9%A9%BE%E9%A9%B6%E8%AF%81'
# 图片存放地址
save_path = "驾驶证"
# 搜索的页数
num = 50
if not os.path.exists(save_path):
os.mkdir(save_path)
selelnium_test(url, save_path, num)
2. Posibles problemas
Si el código presenta los siguientes problemas: Mensaje: el ejecutable 'chromedriver' debe estar en PATH
Consulte: Blog
Comentario: ¡El rastreador sigue siendo muy bueno para usar como herramienta!