百度相册提取器（Python)

最新推荐文章于 2025-12-01 02:08:58 发布

原创最新推荐文章于 2025-12-01 02:08:58 发布 · 694 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Python #百度 #相册

Python 专栏收录该内容

1 篇文章

订阅专栏

本文介绍如何使用Python脚本批量下载百度相册内的图片，包括获取JSON数据、解析图片地址并保存至本地的过程。适用于需要自动化下载大量图片场景。

使用方法：

例（随便从首页找的）：http://xiangce.baidu.com/picture/album/list/5852a22d51d6450ed82bf35f49d2e519df867ab6

提取后半部分：5852a22d51d6450ed82bf35f49d2e519df867ab6

import re
import urllib.request
import os
from time import sleep

#从url下载图片，保存至fileAddress
def savePicture(url,fileAddress): 	
	conn = urllib.request.urlopen(url)  
	f = open(fileAddress,'wb')  
	f.write(conn.read())  
	f.close()  

#get url，获取json，返回string
def getJson(album_sign,startFrom,size):
	url = "http://xiangce.baidu.com/picture/album/list/%s?view_type=list&size=%d&pn=%d&format=json&type=default&_=1432740977640" %(album_sign,size,startFrom)
	conn = urllib.request.urlopen(url)
	return conn.read().decode("utf-8");

#相册预读，查看照片数量（因为百度最多一次只能返回200个）
def getAllJson(album_sign):
	str = getJson(album_sign,0,1)
	reObj = re.compile("(?<=\"picture_num\":)\\d+"); #提取图片数量
	size = reObj.findall(str)
	json = "" #数据
	startFrom = 0
	while startFrom < int(size[0]):
		json += getJson(album_sign,startFrom,200) #0~199;200~399;……
		startFrom += 200
	return json
	
def main(album_sign,saveFolder):
	#从数据库里面提取地址
	json = getAllJson(album_sign)
	reObj1 = re.compile('(?<=\"pic_big_src\":\").*?(?=\")')
	result = reObj1.findall(json)
	#文件夹是否存在
	if(not os.path.exists(saveFolder)):
		os.makedirs(saveFolder)
	#进度条？
	index = 0
	#通过地址提取图片
	for str in result:
		reObj2 = re.compile(r"\w*?\.jpg") #提取文件名
		name = reObj2.findall(str)
		fileAddress = saveFolder + name[0]
		url = str.replace("\/","/")
		savePicture(url,fileAddress)
		print("文件%d：%s" % (index,fileAddress))
		index += 1
		sleep(0.1)
	print("搞定！")

main("5852a22d51d6450ed82bf35f49d2e519df867ab6","E:\\图片")

代码中最后一行main函数，第一个参数是album_sign（就是字母和数字的组合），第二个参数是保存的本地位置

流程：

利用album_sign从百度获取json，分析json提取原始图片地址，下载保存到本地

注：每次get最多只能获取200条，如果相册有500张图片，那么至少要3次。所以，getAllJson方法先获取图片数量，然后while循环，全部储存到一个字符串内。

正则表达式：

(?<="picture_num":)\d+ 用来提取照片数量，比如 "picture_num":500 获取500

(?<="pic_big_src":").*?(?=") 用来提取照片地址，比如"pic_big_src":"http://xiangce.baidu.com/1.jpg" 获取http://xiangce.baidu.com/1.jpg

"\w*?\.jpg" 提取照片文件名，比如http://xiangce.baidu.com/1.jpg 获取1.jpg