請問python爬取google的圖片程式

python

25285132 2020-01-13 19:01:29 ‧ 6174 瀏覽

分享至


import requests

import urllib.request

from bs4 import BeautifulSoup

import os

import time




word = input('Input key word: ')
url = 'https://www.google.com.tw/search?q='+word+' &rlz=1C1CAFB_enTW617TW621&source=lnms&tbm=isch&sa=X&ved=0ahUKEwienc6V1oLcAhVN-WEKHdD_B3EQ_AUICigB&biw=1128&bih=863'

photolimit = 10



headers = {'User-Agent': 'Mozilla/5.0'}

response = requests.get(url,headers = headers) #使用header避免訪問受到限制

soup = BeautifulSoup(response.content, 'html.parser')

items = soup.find_all('img')

folder_path ='./photo/'

if (os.path.exists(folder_path) == False): #判斷資料夾是否存在

    os.makedirs(folder_path) 



for index , item in enumerate (items):

    if (item and index < photolimit ):

        html = requests.get(item.get('src')) 

        img_name = folder_path + str(index + 1) + '.png'



        with open(img_name,'wb') as file: #以byte的形式將圖片數據寫入

            file.write(html.content)

            file.flush()

        file.close() 

        print('第 %d 張' % (index + 1))

        time.sleep(1)



print('Done')

請問我這個程式哪裡出問題?我記得幾個月前還能用啊?

錯誤訊息:

paicheng0111 iT邦大師 5 級 ‧ 2020-01-14 08:37:04 檢舉

有錯誤訊息嗎？

listennn08 iT邦高手 5 級 ‧ 2020-01-14 11:34:33 檢舉

看起來是 google 改變 img href 的格式了

wesley41616 iT邦新手 5 級 ‧ 2020-01-14 14:14:49 檢舉

html = requests.get('https://www.google.com.tw/' + item.get('src'))

登入發表討論

直播研討會

{{ item.channelVendor }} {{ item.webinarstarted }} |

直播中

2 個回答

wesley41616

iT邦新手 5 級 ‧ 2020-01-14 14:15:43

html = requests.get('https://www.google.com.tw/' + item.get('src'))

回應 1
分享
檢舉

25285132 iT邦新手 5 級 ‧ 2020-01-14 18:46:25 檢舉

顯示這個錯誤訊息

登入發表回應

ccutmis

iT邦高手 2 級 ‧ 2020-01-14 14:18:55

建議改用requests_html 土砲解決方案提供您參考
(註: 安裝requests_html套件 pip install requests_html )

# -*- coding: utf-8 -*-
from requests_html import HTMLSession
import re,os,pathlib,base64

#如果 DOWNLOAD 資料夾不存在就新建
base_dir = os.path.dirname(os.path.realpath(__file__))+"\\"
img_dir=base_dir+"DOWNLOAD\\"
pathlib.Path(img_dir).mkdir(parents=True, exist_ok=True)

#清除 DOWNLOAD 資料夾裡的 jpg 及 png 檔
filelist = [ f for f in os.listdir(img_dir) if f.endswith(".jpg") or f.endswith(".gif") or f.endswith(".png")]
for f in filelist:
    os.remove(os.path.join(img_dir, f))

word = input('Input key word: ')
url = 'https://www.google.com.tw/search?q='+word+' &rlz=1C1CAFB_enTW617TW621&source=lnms&tbm=isch&sa=X&ved=0ahUKEwienc6V1oLcAhVN-WEKHdD_B3EQ_AUICigB&biw=1128&bih=863'

session = HTMLSession()
r = session.get(url)
r.html.render(sleep=3,scrolldown=1,wait=2)
img_arr=r.html.find("img")
img_no=0
for i in img_arr:
  tmp_content=''
  try:
    tmp_content=(i.attrs['src'])
  except:
    pass
  finally:
    if tmp_content!='' and tmp_content.find('http')==-1 and tmp_content.find('/images')==-1:
      if img_no>0:
        if tmp_content.find("jpeg")>-1:
          img_type='.jpg'
        elif tmp_content.find("gif")>-1:
          img_type='.gif'
        else:
          img_type='.png'
        img_url=img_dir+'img'+str(img_no)+img_type
        print(img_url)
        with open(img_url,'wb') as file:
          base64_data = re.sub('^data:image/.+;base64,', '', tmp_content)
          byte_data = base64.b64decode(base64_data)
          file.write(byte_data)
          file.flush()
        file.close() 
      img_no=img_no+1

註: 上面的demo是在Windows寫的，如果你的os是linux或macOS 只需把路徑字串裡的"\"改成"/"，應該是能正常work。