爬一爬那些年你硬盘存过的“老师”

作者 | PayneLi转载自Python全家桶(ID: python-0321)最近在Github发现一个基于google浏览器的爬虫项目,此项目是...


作者 | PayneLi

转载自Python全家桶(ID: python-0321)

最近在Github发现一个基于google浏览器的爬虫项目,此项目是由美国大神2018年开源的。这个开源项目不需要使用者再去手写核心爬虫,只需要下载安装,然后传入一些配置参数即可。重要的能做到google图片的无限量爬取,只有不想爬的图片,没有爬不到的。下来就介绍一下这个牛逼的开源项目。

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:-images-download

项目介绍: google-images-download

此项目开源到现在一年的时间,就已经收割了3900+star,真的不得不跪拜大神的能力,能将一个简单的爬虫做到如此牛逼的地步。

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 -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 selenuiumpip install requestspip 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:\download\chromedriver.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 csvimport osimport sysfrom 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_images\keywords.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:\download\chromedriver.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。

此文章主要还是给大家分享这个开源项目,至于使用,本文只是做了一个简单的使用,想要了解更多的,可以直接在github查看。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。

(本文为AI科技大本营转载文章,转载请微信联系原作者)

推荐阅读: