如何在 Python 中下载谷歌图片搜索结果

Question

这个问题之前已经被问过很多次了，但所有答案都至少有几年的历史，并且目前基于不再支持的 ajax.googleapis.com API。

有人知道另一种方法吗？我正在尝试下载大约一百个搜索结果，除了 Python API 之外，我还尝试了许多桌面、基于浏览器或浏览器插件的程序来执行此操作，但都失败了。

Answer 1

使用Google Custom Search 来实现您想要实现的目标。 请参阅Python - Download Images from google Image search? 的@i08in 的 答案，它有很好的描述、脚本示例和库参考。

Answer 2

要使用 Selenium 从 Google 图片搜索中下载任意数量的图片：

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import os
import json
import urllib2
import sys
import time

# adding path to geckodriver to the OS environment variable
# assuming that it is stored at the same path as this script
os.environ["PATH"] += os.pathsep + os.getcwd()
download_path = "dataset/"

def main():
    searchtext = sys.argv[1] # the search query
    num_requested = int(sys.argv[2]) # number of images to download
    number_of_scrolls = num_requested / 400 + 1 
    # number_of_scrolls * 400 images will be opened in the browser

    if not os.path.exists(download_path + searchtext.replace(" ", "_")):
        os.makedirs(download_path + searchtext.replace(" ", "_"))

    url = "https://www.google.co.in/search?q="+searchtext+"&source=lnms&tbm=isch"
    driver = webdriver.Firefox()
    driver.get(url)

    headers = {}
    headers['User-Agent'] = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36"
    extensions = {"jpg", "jpeg", "png", "gif"}
    img_count = 0
    downloaded_img_count = 0

    for _ in xrange(number_of_scrolls):
        for __ in xrange(10):
            # multiple scrolls needed to show all 400 images
            driver.execute_script("window.scrollBy(0, 1000000)")
            time.sleep(0.2)
        # to load next 400 images
        time.sleep(0.5)
        try:
            driver.find_element_by_xpath("//input[@value='Show more results']").click()
        except Exception as e:
            print "Less images found:", e
            break

    # imges = driver.find_elements_by_xpath('//div[@class="rg_meta"]') # not working anymore
    imges = driver.find_elements_by_xpath('//div[contains(@class,"rg_meta")]')
    print "Total images:", len(imges), "\n"
    for img in imges:
        img_count += 1
        img_url = json.loads(img.get_attribute('innerHTML'))["ou"]
        img_type = json.loads(img.get_attribute('innerHTML'))["ity"]
        print "Downloading image", img_count, ": ", img_url
        try:
            if img_type not in extensions:
                img_type = "jpg"
            req = urllib2.Request(img_url, headers=headers)
            raw_img = urllib2.urlopen(req).read()
            f = open(download_path+searchtext.replace(" ", "_")+"/"+str(downloaded_img_count)+"."+img_type, "wb")
            f.write(raw_img)
            f.close
            downloaded_img_count += 1
        except Exception as e:
            print "Download failed:", e
        finally:
            print
        if downloaded_img_count >= num_requested:
            break

    print "Total downloaded: ", downloaded_img_count, "/", img_count
    driver.quit()

if __name__ == "__main__":
    main()

完整代码是here。

Answer 3

确保先安装 icrawler 库，然后使用。

pip install icrawler

from icrawler.builtin import GoogleImageCrawler
google_Crawler = GoogleImageCrawler(storage = {'root_dir': r'write the name of the directory you want to save to here'})
google_Crawler.crawl(keyword = 'sad human faces', max_num = 800)

Answer 4

对 Ravi Hirani 的回答稍加改进，最简单的方法就是这样做：

from icrawler.builtin import GoogleImageCrawler

google_crawler = GoogleImageCrawler(storage={'root_dir': 'D:\\projects\\data core\\helmet detection\\images'})
google_crawler.crawl(keyword='cat', max_num=100)

来源：https://pypi.org/project/icrawler/

Answer 5

这个怎么样？

https://github.com/hardikvasa/google-images-download

它允许您下载数百张图片，并有大量过滤器可供选择以自定义您的搜索

---

如果您希望每个关键字下载 100 多张图片，则需要安装“selenium”和“chromedriver”。

如果您已经 pip 安装了库或运行 setup.py 文件，Selenium 会自动安装在您的机器上。您的机器上还需要 Chrome 浏览器。对于 chromedriver：

根据您的操作系统下载正确的 chromedriver。

在 Windows 或 MAC 上，如果由于某种原因 chromedriver 给您带来麻烦，请在当前目录下下载并运行命令。

然而，在 windows 上，chromedriver 的路径必须以以下格式给出：

C:\complete\path\to\chromedriver.exe

在 Linux 上，如果您在安装 google chrome 浏览器时遇到问题，请参阅此 CentOS 或 Amazon Linux 指南或 Ubuntu 指南

对于所有操作系统，您都必须使用“--chromedriver”或“-cd”参数来指定已下载到机器中的 chromedriver 的路径。

Answer 6

我一直在使用这个脚本从谷歌搜索中下载图像，我一直在使用它们来训练我的分类器 下面的代码可以下载100张与查询相关的图片

from bs4 import BeautifulSoup
import requests
import re
import urllib2
import os
import cookielib
import json

def get_soup(url,header):
    return BeautifulSoup(urllib2.urlopen(urllib2.Request(url,headers=header)),'html.parser')


query = raw_input("query image")# you can change the query for the image  here
image_type="ActiOn"
query= query.split()
query='+'.join(query)
url="https://www.google.co.in/search?q="+query+"&source=lnms&tbm=isch"
print url
#add the directory for your image here
DIR="Pictures"
header={'User-Agent':"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.134 Safari/537.36"
}
soup = get_soup(url,header)


ActualImages=[]# contains the link for Large original images, type of  image
for a in soup.find_all("div",{"class":"rg_meta"}):
    link , Type =json.loads(a.text)["ou"]  ,json.loads(a.text)["ity"]
    ActualImages.append((link,Type))

print  "there are total" , len(ActualImages),"images"

if not os.path.exists(DIR):
            os.mkdir(DIR)
DIR = os.path.join(DIR, query.split()[0])

if not os.path.exists(DIR):
            os.mkdir(DIR)
###print images
for i , (img , Type) in enumerate( ActualImages):
    try:
        req = urllib2.Request(img, headers={'User-Agent' : header})
        raw_img = urllib2.urlopen(req).read()

        cntr = len([i for i in os.listdir(DIR) if image_type in i]) + 1
        print cntr
        if len(Type)==0:
            f = open(os.path.join(DIR , image_type + "_"+ str(cntr)+".jpg"), 'wb')
        else :
            f = open(os.path.join(DIR , image_type + "_"+ str(cntr)+"."+Type), 'wb')


        f.write(raw_img)
        f.close()
    except Exception as e:
        print "could not load : "+img
        print e

Answer 7

我正在尝试this library，它可以同时用作命令行工具或 python 库。它有很多论据来查找具有不同标准的图像。

这些是从其文档中提取的示例，将其用作 python 库：

from google_images_download import google_images_download   #importing the library

response = google_images_download.googleimagesdownload()   #class instantiation

arguments = {"keywords":"Polar bears,baloons,Beaches","limit":20,"print_urls":True}   #creating list of arguments
paths = response.download(arguments)   #passing the arguments to the function
print(paths)   #printing absolute paths of the downloaded images

或者作为命令行工具，如下：

$ googleimagesdownload --k "car" -sk 'red,blue,white' -l 10

您可以使用pip install google_images_download 安装它

Answer 8

解决这个问题的一个简单方法是安装一个名为google_images_download的python包

pip install google_images_download

使用这个 python 代码

from google_images_download import google_images_download  

response = google_images_download.googleimagesdownload()
keywords = "apple fruit"
arguments = {"keywords":keywords,"limit":20,"print_urls":True}
paths = response.download(arguments)
print(paths)

调整限制以控制要下载的图像数量

但有些图片可能已损坏，因此无法打开

更改 keywords 字符串以获得您需要的输出

Answer 9

您需要使用自定义搜索 API。这里有一个方便的explorer。我使用 urllib2。您还需要从开发者控制台为您的应用程序创建一个 API 密钥。

Answer 10

我尝试了很多代码，但没有一个适合我。我在这里发布我的工作代码。希望它会帮助别人。

我正在使用 Python 3.6 版并使用 icrawler

首先，您需要在系统中下载icrawler。

然后运行下面的代码。

from icrawler.examples import GoogleImageCrawler
google_crawler = GoogleImageCrawler()
google_crawler.crawl(keyword='krishna', max_num=100)

将keyword krishna 替换为您想要的文本。

注意：- 下载的图片需要路径。现在我使用放置脚本的相同目录。您可以通过以下代码设置自定义目录。

google_crawler = GoogleImageCrawler('path_to_your_folder')