批量下载图片这种事儿,不管是谁可能都要遇上那么几回。作为一名信息管理与信息系统讲师,我经常需要大量图像来训练模型,这个需求也就更强烈。
一般来说,搜图时我们都会在 Google 图片中搜索我们想要的东西。比如键入「Walle」,就能搜到皮克斯制作的动画《瓦力》的主人公:
搜索的结果,合乎我们的要求。Google 不但给了咱们图片,而且标记也已经做好了,下一步只要批量下载就行了。
可就是在批量下载这一步,很多人犯了难。和各位一样,我第一个想法也是看看有没有什么现成的 Chrome 插件能批量存图,结果却发现并没有一款从准确度和操作上都足够理想的工具。
山重水复的时候,我发现了一个特别棒的 Github 项目,叫做 google-images-download
项目发布至今,只有短短 5 个月的时间,星标数量已经上了 2000,看来确实非常受欢迎。
google-images-download
是个 Python 脚本。但**使用它却不需要什么代码知识——一条命令,就完成 Google 图片搜索和批量下载功能。而且,这工具还跨平台运行,Linux, Windows 和 macOS 都支持。简直是懒人福音。
安装
google-images-download
安装很简单。以 macOS 为例,只需要在终端下,执行以下命令:
pip install google_images_download
安装就算完成了。当然,这需要你系统里已经安装了 Python 环境。如果你还没有安装,或者对终端操作命令不太熟悉,可以参考我的《如何安装 Python 运行环境 Anaconda?(视频教程)》一文,学习如何下载安装 Anaconda ,和进行终端命令行操作。
运行
这次我们尝试下载什么图片呢?想起《我不是药神》里面有个叫谭卓的女演员,演的不错。可是我一开始,把她当成郝蕾了。咱们就尝试下载一些谭卓的图片吧。
首先,我们先指定图片要下载的位置,我把它指定到了「下载(Download)」这个文件夹:
cd ~/Downloads
然后,在终端里执行即可:
googleimagesdownload -k "谭卓" -l 20
这行代码中:
googleimagesdownload
是命令名,告诉系统我们现在要执行什么命令,现在我们要执行的就是「googleimagesdownload」这个命令。-k
指的是「关键词(Keyword)」,所以它的后面紧跟着关键词,在这里是"谭卓"
,注意关键词要用半角直双引号框起来。-l
指的是「限定(limit)」,指定下载图片的数量。本例中,我们下载了 20 张。
下面是执行过程:
最后的 Error: 1
说明, 下载过程中,发生了一个错误。但程序依然正常地将下载流程运行完毕。我们来看结果:
我们发现,下载的图片已经都存放在 ~/Downloads/downloads/谭卓
下面。google-images-download
非常贴心地,为我们建立子目录。
基本上,这一行命令就能帮我们解决正常情况下,批量下载图片的需求了。
进阶
然而,在有的情况下,我们需要下载的图片远远大于 20 张。比如说我看了半天照片,还是分不大清楚郝蕾和谭卓。那么为了彻底分清两位女演员,我打算再下载 200 张郝蕾的照片试试。
仿照刚才的命令,执行:
googleimagesdownload -k "郝蕾" -l 200
然后,你会发现报错了:
遇到问题,不要慌。你得认真看看错误提示。注意其中出现了一个关键词:chromedriver
。这是个什么东西呢?
我们回到 google-images-download
的 github 页面,以 chromedriver
为关键词进行检索。你会立即找到如下结果:
原来,当我们下载的图片数量超过 100 张时,程序就必须调用 Selenium
和 chromedriver
才行。不知道它俩是啥无所谓,要了咱装就行了。
Selenium 在我们安装 google-images-download
的时候,就已经同时安装好了。现在我们只需要下载 chromedriver 即可,它的下载链接在 这里。
下载时请注意根据自己的系统类型选择合适的版本:
我这里选的是 macOS 版本。下载后,压缩包里面只有一个文件,把它解压,然后放在 ~/Downloads
目录下。
接下来我们就可以批量下载超过 100 张图片了。执行以下命令:
googleimagesdownload -k "郝蕾" -l 200 --chromedriver="./chromedriver"
我们会发现多了一个 参数 --chromedriver
。它是用来告诉 google-images-download
解压后 chromedriver
的所在路径。这回机器勤勤恳恳,帮我们下载郝蕾的照片了:
下载完毕后发现也有一些报错,部分图片没有正确下载。但这对总体结果没有太大影响。为了保险起见,建议你设置下载数量时,多设置一些。给自己留出安全边际嘛。
最后我们再打开下载后的目录 ~/Downloads/downloads/郝蕾
看看:
这回,你能分清楚她俩不?
更多参数介绍
评分这么高的 google-images-download
,自然不可能只有上例中这两三个参数选项。如果你对它感兴趣,可以用 这个链接查看全部可用参数列表。
我数了一下,一共有39项。篇幅所限,这里就不一一展开罗列了。但是其中几个特色参数,我还是希望提示你一下,因为你在实际工作中,很可能会觉得它们有用处。
--format
: 选择图片格式,例如jpg
,png
,gif
和svg
等;--usage_rights
:选择图片版权,例如labeled-for-nocommercial-reuse
等。如果你希望建立自己发布内容用的图片素材库,可以用这个选项,避免踩到版权的坑上,被人家狮子大开口要钱;--size
:选择图片大小。假如说你对于图片分辨率有要求,可以用>10MP
,只下载像素数量超过 10M 的那些图片;--type
:选择图片类型。例如只想要照片,可以用photo
,只想要动漫形象,可以用animated
;--time
:选择图片被检索的时间。假如想要过去一周的图片,可以使用past-7-days
;--specific_site
:指定图片存储网站。可以将搜索结果,限定在某个网站域名范围内;
最后还有一个参数,是 ---safe_search
,它的作用是启用安全搜索,来保证搜索结果中,不会出现不利于精神文明建设的内容。