BeautifulSoupで特定のサイズの画像のみを取得する

Question

私は小さなクローラを使っていくつかのGoogle検索画像リンクを選んでダウンロードしています。 1000回のクエリで1日に1000回実行する必要はありませんが、特定の検索語の最初のイメージを10個ダウンロードするだけの簡単なスクリプトです。そのために

I持って次のコード：だから、基本的に

import requests 
from bs4 import BeautifulSoup 
import json 
import urllib 

s = requests.session() 
s.headers.update({"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36"}) 

URL = "https://www.google.dk/search" 

def get_images(query, start): 
    images = [] 

    screen_width = 1920 
    screen_height = 1080 
    params = { 
     "q": query, 
     "sa": "X", 
     "biw": screen_width, 
     "bih": screen_height, 
     "tbm": "isch", 
     "ijn": start/100, 
     "start": start, 
     #"ei": "" - This seems like a unique ID, you might want to use it to avoid getting banned. But you probably still are. 
    } 

    request = s.get(URL, params=params) 
    bs = BeautifulSoup(request.text, "lxml") 

    for img in bs.findAll("div", {"class": "rg_meta"}): 
     js = json.loads(img.text) 

     images.append(js['ou']) 


    return images 

私は、その後を解析し、このコードを経由してダウンロードすることができますリンクのリストを取得する場所があるどのように多くの1からそれでも名前の画像現在クロールされています：

searchlist = ["cats"] #search strings 
nr_img = 5 #number of images to be crawled 

for k, searchstring in enumerate(searchlist): 
    k += 0 
    images = get_images("{}".format(searchstring), 0) 

    img_nr_list = [] 
    for n, x in enumerate(images[0:nr_img]): 
     n += 1+k*nr_img 
     urllib.urlretrieve("{}".format(x), "\foo\bar\{}.jpg".format(n)) 
     img_nr_list.append("{}.jpg".format(n)) 

原則的にはかなりストレートです。しかし、私の問題は、一部の画像はサムネイルだけであるか、画像サイズが小さいことです。だから私の質問です：私は何かのように言うことができる方法はありますか： "幅< 600pxと高さ< 400pxその後、スキップ"または何かのようなものですか？

Answer 1

私はbeautifulsoupでそれを行う方法がわからない、しかし、あなたは私が唯一のコマンドラインを使用してそれをテストした最大画像サイズ

https://pypi.python.org/pypi/ImageScraper

を定義することができますImageScraperと呼ばれる別のPythonライブラリがありますツール、それはPython 2.7で、私は通常Python 3以上です