第二彈!python爬蟲批量下載高清大圖

bigsai(同公眾號)發表於2019-10-06

前言

在上一篇寫文章沒高質量配圖?python爬蟲繞過限制一鍵搜尋下載圖蟲創意圖片!中,我們在未登入的情況下實現了圖蟲創意無水印高清小圖的批量下載。雖然小圖能夠在一些移動端可能展示的還行,但是放到pc端展示圖片太小效果真的是很一般!建議閱讀本文檢視上一篇文章,在具體實現不做太多介紹,只講個分析思路。

當然,本文可能技術要求不是特別高,但可以當作一個下圖工具使用。

環境:python3+pycharm+requests+re+BeatifulSoup+json

在這裡插入圖片描述
這個確實也屬實有一些勉強,不少童鞋私信問我有木有下載大圖的原始碼,我說可能會有,現在分享給大家。

當然對於一個圖片平臺來說,高質量圖片下載可能是其核心業務,並且我看了以下,那些高質量大圖下載起來很貴!所以筆者並沒有嘗試付費下載然後檢視大圖的地址,因為這個可以猜想成功率很低,並且成本比較高,退而求其次,筆者採取以下幾種方法

對圖蟲平臺初步分析之後,得到以下觀點:

  • 原版高質量無水印圖片下載太貴,由於沒付費下載沒有找到高質量圖的高清無水印原圖真實地址。沒有辦法(能力) 下載原版高清無水印。並且筆者也能猜測這個是一個網站的核心業務肯定也會層層設套。不會輕易獲得,所以並沒有對付費高清高質量無水印圖片窮追不捨
  • 但是高質量展示圖在預覽時候的是可以檢視帶有水印的高清圖的(帶著圖蟲創意水印)。
  • 網站有一些免費的高清大圖圖片可以獲取到。雖然這個不是精選圖,但是質量也還可以

下載免費高清大圖

在圖蟲創意有個板塊的圖片是免費開放的。在共享圖片專欄。的圖片可以搜尋下載。

https://stock.tuchong.com/topic?topicId=37 圖蟲創意url地址

在這裡插入圖片描述
找到一張圖片點進去,檢查地址你可以直接訪問得到。而有相關因素的就是一個圖片伺服器域名+圖片id組成的圖片url地址。也就是我們要批量找到這些圖片的id。
在這裡插入圖片描述
在搜尋介面檢視原始碼,發現這個和前面的分析如出一轍,它的圖片id藏在js裡面。我們只需通過正則解析。拿到id然後拼湊url即可完成所有圖片地址,這個解析方式和上文基本完全一致,只不過是瀏覽器的URL和js的位置有相對的變化只需小量修改,然後直接爬蟲下載儲存即可!而這個搜尋html的url就是https://stock.tuchong.com/free/search/?term=+搜尋內容。這個下載內容的實現在上一篇已經分析過。請自行檢視或看下文程式碼!這樣
在這裡插入圖片描述

下載帶水印的精選圖

好的圖片都在優選圖片專欄。然而這部分圖片我們可以免費獲取帶水印的圖片。
在登入賬號之後點開的圖片預覽,當你點開預覽的時候是可以看得到圖片的。每張圖片對應一個唯一ID,這個地址可以獲得但是比較麻煩。我們嘗試能不能獲得一個簡單通用的url地址呢?
在這裡插入圖片描述
經過嘗試發現這個圖片的url可以在我們上面的免費高清大圖url地址共用!也就是我們可以得到這個ID通過上個url來批量獲取下載圖片!下載圖片的方法一致不需要重複造輪子。而id的獲取方法我們在下載高清小圖就已經詳細介紹過了也是一樣的。那麼分析就已經成功了,程式碼將在後面給出,這樣我們可以下載帶水印的高清大圖了!

  ##js的解析規則:
  #----
 js=soup.select('script') js=js[3]
 pattern = re.compile(r'window.hits = (\[)(.*)(\])')
 va = pattern.search(str(js)).group(2)#解析js內容
 #-------

在這裡插入圖片描述

當然,就配圖而言還是高質量圖的質量高很多,如果可以接受的話可以使用。唯一缺點就是圖創水印。

程式碼與總結

import  requests
from  urllib import  parse
from bs4 import BeautifulSoup
import re
import json
header = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36',
    'Cookie': 'wluuid=66;  ',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3',
    'Accept-encoding': 'gzip, deflate, br',
    'Accept-language': 'zh-CN,zh;q=0.9',
    'Cache-Control': 'max-age=0',
    'connection': 'keep-alive'
    , 'Host': 'stock.tuchong.com',
    'Upgrade-Insecure-Requests': '1'
    }
def mkdir(path):
    import os# 引入模組
    path = path.strip()# 去除首位空格
    path = path.rstrip("\\") # 去除尾部 \ 符號
    isExists = os.path.exists(path)  # 判斷路徑是否存在  # 存在     True # 不存在   False
    if not isExists:  # 判斷結果
        os.makedirs(path)# 如果不存在則建立目錄 # 建立目錄操作函式
        return True#print (path + ' 建立成功')
    else:
        # 如果目錄存在則不建立,並提示目錄已存在
        #print(path + ' 目錄已存在')
         return False
def downloadimage(imageid,imgname):##下載大圖和帶水印的高質量大圖
    url = 'https://weiliicimg9.pstatp.com/weili/l/'+str(imageid)+'.webp'
    url2 = 'https://icweiliimg9.pstatp.com/weili/l/'+str(imageid)+'.webp'
    b=False
    r = requests.get(url)
    print(r.status_code)
    if(r.status_code!=200):
        r=requests.get(url2)
    with open(imgname+'.jpg', 'wb') as f:
        f.write(r.content)
        print(imgname+" 下載成功")
def getText(text,free):
    texturl = parse.quote(text)
    url="https://stock.tuchong.com/"+free+"search?term="+texturl+"&use=0"
    print(url)
    req=requests.get(url,headers=header)
    soup=BeautifulSoup(req.text,'lxml')
    js=soup.select('script')
    path=''
    if not free.__eq__(''):
        js=js[1]
        path='無水印/'
    else:
        js=js[3]
        path='圖蟲創意/'
    print(js)
    pattern = re.compile(r'window.hits = (\[)(.*)(\])')
    va = pattern.search(str(js)).group(2)#解析js內容
    print(va)
    va = va.replace('{', '{').replace('}', '},,')
    print(va)
    va = va.split(',,,')
    print(va)
    index = 1
    for data in va:
        try:
             dict = json.loads(data)
             print(dict)
             imgname='img2/'+path+text+'/'+dict['title']+str(index)
             index+=1
             mkdir('img2/'+path+text)
             imgid=dict['imageId']
             downloadimage(imgid,imgname)
        except Exception as e:
            print(e)
if __name__ == '__main__':
    num=input("高質量大圖帶水印輸入1,普通不帶水印輸入2:")
    num=int(num)
    free=''
    if num==2:
        free='free/'
    text = input('輸入關鍵詞:')
    getText(text,free)

這樣,整個流程就完成了,對於目錄方面,我也對圖蟲有水印的和沒水印的進行了區分,供大家使用。在使用方面,先輸入1或2(1代表有水印高質量圖,2代表共享圖),在輸入關鍵詞即可批量下載。
在這裡插入圖片描述
在這裡插入圖片描述
爬蟲專案github倉庫地址:https://github.com/javasmall/python 歡迎star!
最後,如果感覺可以的話歡迎點讚唄!歡迎關注筆者公眾號:bigsai 回覆爬蟲、python有精心準備資料一份!
IT圈不嫌多一個朋友,筆者也希望能成為你的朋友,共同學習,共同進步
第二彈!python爬蟲批量下載高清大圖

相關文章