最近想收集一些特定主题的图片素材，手动一张张下载实在太费时间了。作为一个懒人程序员，我决定写个爬虫来自动完成这个任务。今天就跟大家分享这个实用的百度图片爬虫，它能自动搜索并下载你想要的任何图片。说实话， 写这玩意儿的时候我心情挺复杂的，又觉得百度这反爬机制真是让人头大，不过没关系，咱们程序员就是来解决问题的，哪怕头发掉光也要把图扒下来！

咱们先不急着看代码，先聊聊为啥要用Python。你想想， 要是用Java或者C++写个这玩意儿，光是配置环境就能让你劝退，还得处理各种乱七八糟的依赖，烦都烦死了。Python就不一样了pip install一下requests库一导， 火候不够。 齐活。不过呢，光有库还不行，你得懂点HTTP协议，懂点JSON解析，不然看到一堆乱码你只能干瞪眼。我刚开始学的时候，对着那个返回的JSON数据看了半天愣是没找到图片链接在哪，差点就把电脑给砸了。

准备工作：工欲善其事必先利其器

深得我心。 在开始敲代码之前，你得先有个趁手的编辑器。虽然用记事本也能写，但那样真的太折磨人了连个高亮都没有，写错一个字符找半天。我这里随便列几个常用的工具，大家看着办，反正我是用PyCharm，虽然有时候卡得要死，但功能确实强。

选好工具之后还得装几个库。requests是必须的， 用来发请求；json用来解析数据；os用来处理文件路径；time用来延时防止被封IP。这些库都是Python自带的或者很容易安装的，我就不废话怎么装了要是连这都不会，建议先去补补基础，杀疯了！。

爬虫的骨架：类结构设计

这个爬虫虽然只有100多行代码， 但包含了请求处理、JSON解析、文件操作等实用技巧。我会详细解释每个部分的实现思路，让你不仅能使用这个爬虫，还能真正理解它的工作原理。咱们先来看看这个爬虫的总体结构，别被吓到了其实挺简单的。

class BaiduImageSpider: def __init__: # 初始化代码 def create_directory: # 创建保存图片的文件夹 def get_image_link: # 获取图片链接 def save_image: # 下载并保存图片 def run: # 主运行逻辑，整起来。

看到了吧？就这么几个方法，每个方法干一件事，清清楚楚。这种面向对象的设计虽然有点啰嗦， 但是逻辑清晰，以后要是想改功能，比如想换个搜索网站，直接改对应的方法就行，不用把整个代码都推翻重写。这就是代码的可维护性，懂不懂？

初始化那些事儿

坦白讲... 初始化方法中，我们设置了几个重要的变量。这里有个坑， 就是那个URL地址，百度的接口经常变，说不定哪天这个接口就不能用了到时候还得重新抓包分析。不过目前这个接口还是好用的，大家放心用。还有那个保存路径， 我写的是 `C:\价值一个亿\python-mini-projects\projects\baidutupian\{}`，这路径有点长，主要是为了显得我很有志气，毕竟谁不想有一个亿呢？

def __init__: _count = 0 = 'https:///search/acjson?tn=resultjson_com&ipn=rj&queryWord={}&word={}&pn={}&rn=30' = r"C:\价值一个亿\python-mini-projects\projects\baidutupian\{}" = { 大胆一点... 'User-Agent': 'Mozilla/5.0 AppleWebKit/537.36 Chrome/58.0.3029.110 Safari/537.36', 'Accept-Language': 'en-US,en;q=0.5', 'Referer': 'https://' } _counter = 0 # 新增全局图片计数器

这里面的headers很重要，特别是User-Agent和Referer。你要是不加这些，百度一看就知道你是爬虫，直接给你返回个错误或者空数据， 欧了！ 那时候你就哭吧。User-Agent就是成浏览器，Referer是告诉百度你是从哪个页面过来的，装得越像越好。

创建文件夹：别把文件弄丢了

蚌埠住了！ 这个方法负责创建保存图片的文件夹。这步虽然简单， 但很关键，你要是不建文件夹，直接往根目录写文件，时间久了你的C盘就乱成一锅粥了找文件都得找半天。而且Windows的路径分隔符是个坑，有时候要用反斜杠，有时候要用正斜杠，搞不好就报错。所以我这里用了原始字符串 `r""`，省得转义转得头晕。

def create_directory: = += r'\{}'，嚯...

那个 `exist_ok=True` 也是个细节， 要是文件夹已经存在了不加这个参数就会报错，程序直接崩了。加了它，如果文件夹存在就忽略，继续往下跑，多省心，脑子呢？。

核心逻辑：获取图片链接

这是爬虫的核心方法之一，负责从百度API获取图片链接。这一步是整个爬虫的灵魂，要是拿不到链接，后面全是白搭。这里我们用requests库发送GET请求， 然后把返回的JSON数据解析一下把里面的 `thumbURL` 提取出来。 栓Q了... 这个 `thumbURL` 就是图片的真实地址， 虽然可能是缩略图，但对于咱们来说够用了要是想下载原图，还得分析另一个字段，不过那个更麻烦，容易403，咱们就别贪心了。

def get_image_link: try: response = ( url, headers=, proxies={"http": None, "https": None}, 最终的最终。 timeout=10 ) _for_status return for item in .get if 'thumbURL' in item] except Exception as e: print return

CPU你。 这里我加了个 `timeout=10`，防止网络不好的时候一直卡在那不动。还有那个异常处理，必须要加，网络请求哪有不失败的？断网了、超时了、服务器崩了啥情况都可能发生。不加try-except，程序动不动就闪退，体验极差。

优化一下。 说到网络请求，有时候为了防止被封IP，咱们还得用代理。虽然我在代码里把代理设成了None，但大家得知道怎么用。下面这个表格列了几种常见的代理类型，大家可以根据自己的钱包厚度选择。

如果你真的要用代理，代码大概是这样的，别说我没告诉你：

proxies = { 'http': 'http://:port', 'https': 'http://:port' } response =，体验感拉满。

下载并保存：落袋为安

啊这... 这个方法负责下载并保存图片。拿到链接之后还得把图片数据下载下来写到硬盘里。这里用的是二进制写入模式 `"wb"`，千万别用文本模式，不然图片就废了。下载的时候我也加了headers， 有些图片服务器会检查Referer，你不带Referer它就不给你图片，这也是反爬的一种手段。

这里有个小技巧，就是那个 `print` 语句。虽然打印日志会稍微影响一点点速度，但是看着屏幕上一行行“成功保存”跳出来那种成就感简直爆棚！ 是个狼人。 要是程序卡住了你也能通过再说说一条日志知道是在哪一步挂的，方便调试。

主控制流程：让程序跑起来

得了吧... 这是爬虫的主控制流程。这个 `run` 方法就是把前面那些方法串起来。先说说让你输入关键词，然后创建文件夹，接着循环请求百度接口。这里有个 `pn` 参数，是用来翻页的，每次加30，主要原因是百度一页一般显示30张图。`_count` 控制你要下多少页，别设太大，不然把百度爬崩了也不好，咱们要做个有素质的爬虫。

def run: searchName = input searchName_parse = _directory _counter = 0 # 重置计数器 for index in range: pn = index * 30 request_url = ) links = _image_link for link in links: filename = ) # 使用全局计数器 _image _counter += 1 # 计数器递增 print，是个狼人。

运行后会提示输入搜索关键词，然后就会自动下载图片到指定目录。那个 `time.sleep` 也是为了礼貌爬虫，别请求太快把人家服务器打挂了。虽然咱们想快点下完，但也不能太贪心是不是？

再说说程序的入口是这样的：

if __name__ == '__main__': spider = BaiduImageSpider _count = 10 # 下载10组图片

进阶优化：多线程加速

这个基础爬虫还可以进一步 。如果你觉得单线程太慢了像蜗牛爬一样，那就可以用多线程。Python的 `concurrent.futures` 库里的 `ThreadPoolExecutor` 简直是神器， YYDS！ 几行代码就能实现多线程并发下载。速度直接起飞，不过要注意控制线程数，不然你的CPU会尖叫，带宽也会跑满，甚至可能触发百度的风控。

from import ThreadPoolExecutor with ThreadPoolExecutor as executor:，闹乌龙。

开搞。 用了多线程之后 那个 `time.sleep` 就可以适当缩短或者去掉了主要原因是线程之间本身就有等待时间。不过要注意线程平安问题， 虽然这里只是写文件，每个文件名都不一样，一般不会冲突，但要是涉及到共享变量，那就得加锁了不然数据乱套了别怪我没提醒你。

准确地说... 这个改进版的百度图片爬虫具有更好的稳定性、更详细的日志输出和更友好的使用体验。你可以根据自己的需求进一步 功能，比如添加图片去重、自动分类等功能。去重可以用MD5值比对，自动分类可以调用百度AI的接口，不过那些都是后话了先把基础打牢再说。

写爬虫其实挺有意思的，就像是在玩寻宝游戏，你永远不知道下一张图是什么。有时候还能发现一些意想不到的东西，当然有时候也会遇到一些不想看的东西， 切中要害。 这就得靠关键词过滤了。 Python是个好东西，希望大家都能用它来提高效率，解放双手，把时间花在更有意义的事情上，比如发呆，比如睡觉。

再说说 再给大家推荐几个常用的图片处理库，毕竟下载下来之后可能还得处理一下比如改改大小，转转格式什么的。

库名称	主要功能	难易程度	备注
Pillow	图片编辑、 格式转换	简单	Python图像处理标准库
OpenCV	计算机视觉、复杂图像处理	难	功能强大，但学习曲线陡峭
img2pdf	图片转PDF	简单	适合把漫画转成电子书

推倒重来。 好了废话不多说了代码都在上面了大家自己拿去玩吧。遇到报错别急着来问我，先看报错信息，再去百度搜，大部分问题都能解决。实在解决不了那可能是你的问题，不是代码的问题。祝大家爬得开心，图图满满！