本篇博客我们将爬取百度图片，输入搜索词，爬取与搜索词相关的图片。
首先打开百度图片http://image.baidu.com，比如搜索"美女"，此时的URL如下：
https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=index&fr=&hs=0&xthttps=111111&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=美女&oq=美女&rsp=-1
如果仅凭借URL来爬取的话，URL中需要体现出搜索词信息以及页数信息，所以我们需要使用下面这个URL(至于这个URL是怎么得到的，目前我也不清楚，先照搬)：
http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord={}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=©right=&word={}&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn={}&rn=30&gsm=1e&1553692825521=
前两个{}替换搜索词，最后一个是页数信息。
首先搭建程序主体框架：
import time import requests import os from requests import RequestException import json def get_page(url): pass def parse_page(html,count,word): pass if __name__ == '__main__': word = '美女' #关键词 page = 1 #爬取的页数 count = 0 if not os.path.exists(word): os.makedirs(word) #建目录 for i in range(page): url = 'http://image.baidu.com/search/acjson?' \ 'tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&' \ 'queryWord={}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=' \ '&ic=&hd=&latest=©right=&word={}&s=&se=&tab=&width=&height=&face=' \ '&istype=&qc=&nc=1&fr=&expermode=&force=&pn={}&rn=30&gsm=1e&1553692825521='.format(word,word,i*30) #发送请求、获取响应 html = get_page(url) #解析响应 数据存储 count = parse_page(html,count,word) time.sleep(1)发送请求获取响应，编写get_page(url)函数：
def get_page(url): try: # 添加User-Agent，放在headers中，伪装成浏览器 headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36' } response = requests.get(url, headers=headers) if response.status_code == 200: response.encoding = response.apparent_encoding return response return None except RequestException: return None注意和之前不同，这里指返回response，因为在解析首页时，我们需要的是response.text;当获取图片URL爬取保存图片时，需要的是response.content。返回response，两次请求可以通用这个函数。
打开上面的链接，会发现他返回的是json格式的数据：
所有的图片信息都在data下，上图蓝色阴影代表一张图片的信息，内部都是由一些键值对组成，我们关心的是middleURL字段，他的值是图片真正的链接。所以，我们要先把图片的middleURL解析回来，然后再进行图片爬取，和保存。
解析响应，解析json数据，提取middleURL并保存，然后爬取middleURL，保存图片：
def parse_page(html,count,word): html = html.text if html: p = json.loads(html)['data'] #转为json格式 提取data字段 print(len(p)) #图片数 for i in p[:-1]: #[0:5]前5张 print(i['middleURL']) count = count + 1 #数据保存 with open(word+'/'+word+'_url.txt','a',encoding='utf-8') as f: f.write(i['middleURL']+'\n') pic = get_page(i['middleURL']) if pic: with open(word+'/'+str(count)+'.jpg','wb') as f: f.write(pic.content) time.sleep(1) return count完整代码：
import time import requests import os from requests import RequestException import json def get_page(url): try: # 添加User-Agent，放在headers中，伪装成浏览器 headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36' } response = requests.get(url, headers=headers) if response.status_code == 200: response.encoding = response.apparent_encoding return response return None except RequestException: return None def parse_page(html,count,word): html = html.text if html: p = json.loads(html)['data'] #转为json格式 提取data字段 print(len(p)) #图片数 for i in p[:-1]: #[0:5]前5张 print(i['middleURL']) count = count + 1 #数据保存 with open(word+'/'+word+'_url.txt','a',encoding='utf-8') as f: f.write(i['middleURL']+'\n') pic = get_page(i['middleURL']) if pic: with open(word+'/'+str(count)+'.jpg','wb') as f: f.write(pic.content) time.sleep(1) return count if __name__ == '__main__': word = '美女' #关键词 page = 1 #爬取的页数 count = 0 if not os.path.exists(word): os.makedirs(word) #建目录 for i in range(page): url = 'http://image.baidu.com/search/acjson?' \ 'tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&' \ 'queryWord={}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=' \ '&ic=&hd=&latest=©right=&word={}&s=&se=&tab=&width=&height=&face=' \ '&istype=&qc=&nc=1&fr=&expermode=&force=&pn={}&rn=30&gsm=1e&1553692825521='.format(word,word,i*30) #发送请求、获取响应 html = get_page(url) #解析响应 count = parse_page(html,count,word) time.sleep(1)
