一款真正可以用于爬百度图片的爬虫python代码，自己改进的！！

我用的pycharm，有三种注释方式：
1.用 一对""" 括起来要注释的代码块。
2.用一对'''括起来要注释的代码块。
3.选中要注释的代码，按下ctrl+/注释。

由于深度学习训练或者数据分析需要大量数据，其中获取数据的方法有很多，要么去各种比赛官网上下载，要么自己去下载，自己下载的最好方法就是使用爬虫技术，方便简单。下面是自己结合网上的一些爬虫代码修改的python代码，其可以无限制的爬百度图片，已经可以满足很多需求了。具体代码如下：

#coding: utf-8
import os
import re
import urllib
import urllib2
import itertools  #迭代器
from string import maketrans
import socket

str_table = {
'_z2C$q': ':',
'_z&e3B': '.',
'AzdH3F': '/'
}

char_table = {
'w': 'a',
'k': 'b',
'v': 'c',
'1': 'd',
'j': 'e',
'u': 'f',
'2': 'g',
'i': 'h',
't': 'i',
'3': 'j',
'h': 'k',
's': 'l',
'4': 'm',
'g': 'n',
'5': 'o',
'r': 'p',
'q': 'q',
'6': 'r',
'f': 's',
'p': 't',
'7': 'u',
'e': 'v',
'o': 'w',
'8': '1',
'd': '2',
'n': '3',
'9': '4',
'c': '5',
'm': '6',
'0': '7',
'b': '8',
'l': '9',
'a': '0'
}

intab="wkv1ju2it3hs4g5rq6fp7eo8dn9cm0bla"
outtab="abcdefghijklmnopqrstuvw1234567890"
trantab = maketrans(intab, outtab)

char_table = {ord(key): ord(value) for key, value in char_table.items()}
def deCode(url):
# 先替换字符串
for key, value in str_table.items():
url = url.replace(key, value)
# 再替换剩下的字符
d=url.translate(trantab)
return d

def getMoreURL(word):
word = urllib.quote(word)
url = r"http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&fp=result&queryWord={word}" \
r"&cl=2&lm=-1&ie=utf-8&oe=utf-8&st=-1&ic=0&word={word}&face=0&istype=2nc=1&pn={pn}&rn=30"
urls = (url.format(word=word, pn=x) for x in itertools.count(start=0, step=30))
#itertools.count 0开始，步长30，迭代
return urls

def getHtml(url):
page=urllib.urlopen(url)
html=page.read()
return html

#解析图片url解码
def getImg(html):
reg=r'"objURL":"(.*?)"'   #正则
# 括号表示分组，将括号的内容捕获到分组当中
#  这个括号也就可以匹配网页中图片的url了
imgre=re.compile(reg)
imageList=re.findall(imgre, html)
imgUrls=[]

for image in imageList:
imgUrls.append(deCode(image))

l=len(imgUrls)
print l
return imgUrls

def downLoad(urls,path):
global index
for url in urls:
print("Downloading:", url)
try:
res = urllib2.Request(url)
except:
print"request error!"
continue
try:
response = urllib2.urlopen(res ,data=None, timeout=15)  #超时处理
except:   #抓取代码执行产生的所有错误。
# if hasattr(e,'code'):
#     error_status = e.code
#     print(error_status, "未下载成功：", url)
#     continue
# elif hasattr(e,'reason'):
#     print( "time out", url)
#     continue
continue   #对抛出的错误不进行处理，重新爬取下一帧图片

filename = os.path.join(path, str(index) + ".jpg")
print "start"
try:
#下载数据代码可能会因为网速、图像数据大等原因导致代码一直卡死，加上socket就是限制下载时间，如果超过设定
#时间仍无响应则抛弃此帧图片
socket.setdefaulttimeout(5.0)
retval=urllib.urlretrieve(url,filename)        #直接将远程数据下载到本地。
except:   #抓取代码执行产生的所有错误，主要错误有下载的图像数据小于原始图像数大小，抛出异常。
print "time_caoshi"
retval=None
continue
print "end"
index += 1
# urllib.urlretrieve(url[, filename[, reporthook[, data]]])
# 参数说明：
# url：外部或者本地url
# filename：指定了保存到本地的路径（如果未指定该参数，urllib会生成一个临时文件来保存数据）；
# reporthook：是一个回调函数，当连接上服务器、以及相应的数据块传输完毕的时候会触发该回调。我们可以利用这个回调函数来显示当前的下载进度。
# data：指post到服务器的数据。该方法返回一个包含两个元素的元组(filename, headers)，filename表示保存到本地的路径，header表示服务器的响应头。
if index-1==1000:
break

if __name__ == '__main__':
keyWord="番茄" #这是百度图片搜索里的关键字
index = 1
Savepath = "D:\TestDownload"
urls=getMoreURL(keyWord)   #这里把中文关键字进行编码

for url in urls:
downLoad(getImg(getHtml(url)),Savepath)
if index-1>1000:
break