随着人工智能和大数据的发展，图像数据的获取变得越来越重要。作为Python初学者，掌握如何从网页中抓取图片并保存到本地是一项非常实用的技能。

本文将手把手教你 使用Python函数编写一个简单的百度图片爬虫程序，能够根据关键词搜索并下载指定数量的图片，适合刚入门的新手学习。

文章内容包括：

• 爬虫基本流程分析
• 使用 requests 和 BeautifulSoup 抓取网页数据
• 图片链接提取与下载
• 数据保存技巧
• 完整可运行代码示例

注意：本文仅用于技术学习交流，请勿用于非法用途或违反网站协议的行为。

一、目标说明

我们要实现的功能是：

根据用户输入的关键词，在百度图片中搜索相关图片
指定要下载的图片数量
将这些图片自动保存到本地文件夹中

二、准备工作

1. 安装所需库

pip install requests beautifulsoup4

我们主要使用以下两个库：

三、百度图片页面结构分析

百度图片的搜索结果页面地址格式如下：

https://image.baidu.com/search/index?tn=baiduimage&word=关键词

我们打开这个页面后，会发现它返回的是一个包含大量 <img> 标签的网页，其中每个 <img> 对应一张图片。

但注意：百度图片页面中的 <img> 是预览图，并非原图地址。我们需要找到真实图片地址。

百度图片的真实地址通常在 JavaScript 中以 JSON 形式嵌入在网页中，例如：

"objURL":"http://example.com/image.jpg"

所以我们需要解析网页中的这部分 JSON 数据来获取图片链接。

四、爬虫流程详解

整个爬虫可以分为以下几个步骤：

1. 构建请求 URL
2. 发送请求，获取网页源码
3. 解析网页，提取所有图片的真实链接
4. 下载并保存图片到本地

我们将用函数的方式逐步封装以上步骤。

五、第一步：构建搜索 URL

def build_search_url(keyword):
    """
    构建百度图片搜索的URL
    :param keyword: 搜索关键词
    :return: 完整的搜索URL
    """
    import urllib.parse
    base_url = "https://image.baidu.com/search/index"
    params = {
        "tn": "baiduimage",
        "word": keyword
    }
    return f"{base_url}?{urllib.parse.urlencode(params)}"

六、第二步：发送请求，获取网页HTML内容

import requests

def fetch_html(url):
    """
    发送GET请求，获取网页HTML内容
    :param url: 要访问的网址
    :return: 返回HTML文本，失败返回None
    """
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) 
          AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0 Safari/537.36'
    }

    try:
        response = requests.get(url, headers=headers, timeout=10)
        response.encoding = 'utf-8'  # 设置编码防止乱码
        if response.status_code == 200:
            return response.text
        else:
            print(f"请求失败，状态码：{response.status_code}")
            return None
    except requests.RequestException as e:
        print(f"请求异常：{e}")
        return None

七、第三步：解析HTML，提取图片链接

from bs4 import BeautifulSoup
import re

def extract_image_urls(html, max_count=10):
    """
    提取网页中所有图片的真实链接
    :param html: 网页HTML内容
    :param max_count: 最多提取多少个图片链接
    :return: 包含图片链接的列表
    """
    if not html:
        return []

    soup = BeautifulSoup(html, 'html.parser')
    script_tags = soup.find_all('script')

    image_urls = []
    pattern = re.compile(r'"objURL":"(http[s]?://[^"]+)"')

    for script in script_tags:
        if script.string:
            matches = pattern.findall(script.string)
            for url in matches:
                image_urls.append(url)
                if len(image_urls) >= max_count:
                    break
            if len(image_urls) >= max_count:
                break

    return image_urls

八、第四步：下载并保存图片

import os

def download_images(image_urls, 
                    folder_name='downloaded_images'):
    """
    下载并保存图片到本地文件夹
    :param image_urls: 图片链接列表
    :param folder_name: 存储图片的文件夹名称
    """
    if not os.path.exists(folder_name):
        os.makedirs(folder_name)

    count = 1
    for url in image_urls:
        try:
            print(f"正在下载第 {count} 张图片：{url}")
            response = requests.get(url, timeout=10)
            if response.status_code == 200:
                ext = url.split('.')[-1]
                filename = f"{folder_name}/image_{count}.{ext}"
                with open(filename, 'wb') as f:
                    f.write(response.content)
                count += 1
            else:
                print(f"图片下载失败：{url}")
        except Exception as e:
            print(f"下载出错：{url}, 错误信息：{e}")

九、第五步：整合主函数执行爬虫

def main():
    keyword = input("请输入你要搜索的图片关键词：")
    num_images = int(input("请输入要下载的图片数量（建议不超过20）："))

    search_url = build_search_url(keyword)
    html_content = fetch_html(search_url)
    image_links = extract_image_urls(
                 html_content, num_images)
    
    if image_links:
        print(f"共找到 {len(image_links)} 张图片，开始下载...")
        download_images(image_links)
        print("图片下载完成！")
    else:
        print("未找到任何图片链接，请尝试其他关键词。")

if __name__ == '__main__':
    main()

十、运行效果展示

输入关键词如“猫”，数量设为5：

请输入你要搜索的图片关键词：猫
请输入要下载的图片数量（建议不超过20）：5
正在下载第 1 张图片：https://example.com/cat1.jpg
正在下载第 2 张图片：https://example.com/cat2.jpg
...
图片下载完成！

此时你会在当前目录看到一个名为 downloaded_images 的文件夹，里面包含了你下载的图片。

十一、注意事项与优化建议

推荐做法：

• 设置合理的超时时间，避免卡死
• 添加 User-Agent 防止被识别为爬虫
• 控制下载数量，避免频繁请求影响服务器
• 使用日志记录代替 print 输出

常见问题及解决方法：

十二、总结

通过本文的学习，你应该已经掌握了：

• 百度图片爬虫的基本原理
• 如何使用 requests 和 BeautifulSoup 进行网页请求与解析
• 如何提取网页中的图片链接
• 如何下载并保存图片到本地
• 函数化编程思想的应用

本项目非常适合 Python 初学者练手，不仅涵盖了网络请求、数据解析、文件操作等核心知识点，还能让你直观地看到自己的成果 —— 成功下载图片！

后续你可以进一步扩展功能，比如：

• 支持多页爬取
• 自动命名图片标题
• 使用 GUI 界面交互
• 使用 Selenium 获取动态加载内容

希望这篇文章能帮助你在 Python 爬虫之路上迈出坚实的一步！