Python：从 Google 图片搜索下载图片的正确 URL

Question

我正在尝试从 Google 图片搜索中获取特定查询的图像。但我下载的页面没有图片，它会将我重定向到 Google 的原始页面。这是我的代码：

AGENT_ID   = "Mozilla/5.0 (X11; Linux x86_64; rv:7.0.1) Gecko/20100101 Firefox/7.0.1"

GOOGLE_URL = "https://www.google.com/images?source=hp&q={0}"

_myGooglePage = ""

def scrape(self, theQuery) :
    self._myGooglePage = subprocess.check_output(["curl", "-L", "-A", self.AGENT_ID, self.GOOGLE_URL.format(urllib.quote(theQuery))], stderr=subprocess.STDOUT)
    print self.GOOGLE_URL.format(urllib.quote(theQuery))
    print self._myGooglePage
    f = open('./../../googleimages.html', 'w')
    f.write(self._myGooglePage)

我做错了什么？

谢谢

Answer 1

这是我用来从Google搜索和下载图像的Python代码，希望它有帮助：

import os
import sys
import time
from urllib import FancyURLopener
import urllib2
import simplejson

# Define search term
searchTerm = "hello world"

# Replace spaces ' ' in search term for '%20' in order to comply with request
searchTerm = searchTerm.replace(' ','%20')


# Start FancyURLopener with defined version 
class MyOpener(FancyURLopener): 
    version = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11'
myopener = MyOpener()

# Set count to 0
count= 0

for i in range(0,10):
    # Notice that the start changes for each iteration in order to request a new set of images for each loop
    url = ('https://ajax.googleapis.com/ajax/services/search/images?' + 'v=1.0&q='+searchTerm+'&start='+str(i*4)+'&userip=MyIP')
    print url
    request = urllib2.Request(url, None, {'Referer': 'testing'})
    response = urllib2.urlopen(request)

    # Get results using JSON
    results = simplejson.load(response)
    data = results['responseData']
    dataInfo = data['results']

    # Iterate for each result and get unescaped url
    for myUrl in dataInfo:
        count = count + 1
        print myUrl['unescapedUrl']

        myopener.retrieve(myUrl['unescapedUrl'],str(count)+'.jpg')

    # Sleep for one second to prevent IP blocking from Google
    time.sleep(1)

您还可以在这里找到非常有用的信息。

Answer 2

我会给你一个提示......从这里开始：

https://ajax.googleapis.com/ajax/services/search/images?v=1.0&q=JULIE%20NEWMAR

JULIE 和 NEWMAR 是您的搜索词。

这将返回您需要的 json 数据...您需要使用 json.load 或 simplejson.load 解析它以获取字典...然后深入其中首先找到 responseData ，然后是 results 列表，其中包含您想要下载其 url 的各个项目。

尽管我不建议以任何方式自动抓取 Google，因为他们的 （已弃用）API 明确表示不要这样做。

Answer 3

这是我写的一个简短的脚本，它完成了整个任务。

Answer 4

我只是来回答这个问题，尽管它已经很旧了。有一种更简单的方法可以做到这一点。

def google_image(x):
        search = x.split()
        search = '%20'.join(map(str, search))
        url = 'http://ajax.googleapis.com/ajax/services/search/images?v=1.0&q=%s&safe=off' % search
        search_results = urllib.request.urlopen(url)
        js = json.loads(search_results.read().decode())
        results = js['responseData']['results']
        for i in results: rest = i['unescapedUrl']
        return rest

就是这样。

Answer 5

最好的方法之一是使用icrawler。检查下面的答案。它对我有用。

https://stackoverflow.com/a/51204611/4198099