利用python爬虫关键词批量下载高清大图

Posted 2020-11-15 bigsai

前言

在上一篇写文章没高质量配图？python爬虫绕过限制一键搜索下载图虫创意图片！中，我们在未登录的情况下实现了图虫创意无水印高清小图的批量下载。虽然小图能够在一些移动端可能展示的还行，但是放到pc端展示图片太小效果真的是很一般！建议阅读本文查看上一篇文章，在具体实现不做太多介绍，只讲个分析思路。

当然，本文可能技术要求不是特别高，但可以当作一个下图工具使用。

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

在这里插入图片描述
这个确实也属实有一些勉强，不少童鞋私信问我有木有下载大图的源码，我说可能会有，现在分享给大家。

 

当然对于一个图片平台来说，高质量图片下载可能是其核心业务，并且我看了以下，那些高质量大图下载起来很贵！所以笔者并没有尝试付费下载然后查看大图的地址，因为这个可以猜想成功率很低，并且成本比较高，退而求其次，笔者采取以下几种方法。

对图虫平台初步分析之后，得到以下观点：

• 原版高质量无水印图片下载太贵，由于没付费下载没有找到高质量图的高清无水印原图真实地址。没有办法(能力) 下载原版高清无水印。并且笔者也能猜测这个是一个网站的核心业务肯定也会层层设套。不会轻易获得,所以并没有对付费高清高质量无水印图片穷追不舍。
• 但是高质量展示图在预览时候的是可以查看带有水印的高清图的(带着图虫创意水印)。
• 网站有一些免费的高清大图图片可以获取到。虽然这个不是精选图，但是质量也还可以！

下载免费高清大图

在图虫创意有个板块的图片是免费开放的。在共享图片专栏。的图片可以搜索下载。

https://stock.tuchong.com/topic?topicId=37 图虫创意url地址

在这里插入图片描述
找到一张图片点进去，检查地址你可以直接访问得到。而有相关因素的就是一个图片服务器域名+图片id组成的图片url地址。也就是我们要批量找到这些图片的id。
在这里插入图片描述
在搜索界面查看源码，发现这个和前面的分析如出一辙，它的图片id藏在js里面。我们只需通过正则解析。拿到id然后拼凑url即可完成所有图片地址，这个解析方式和上文基本完全一致，只不过是浏览器的URL和js的位置有相对的变化只需小量修改，然后直接爬虫下载保存即可！而这个搜索html的url就是https://stock.tuchong.com/free/search/?term=+搜索内容。这个下载内容的实现在上一篇已经分析过。请自行查看或看下文代码！这样
在这里插入图片描述

下载带水印的精选图

好的图片都在优选图片专栏。然而这部分图片我们可以免费获取带水印的图片。
在登录账号之后点开的图片预览，当你点开预览的时候是可以看得到图片的。每张图片对应一个唯一ID，这个地址可以获得但是比较麻烦。我们尝试能不能获得一个简单通用的url地址呢？

在这里插入图片描述
经过尝试发现这个图片的url可以在我们上面的免费高清大图url地址共用！也就是我们可以得到这个ID通过上个url来批量获取下载图片！下载图片的方法一致不需要重复造轮子。而id的获取方法我们在下载高清小图就已经详细介绍过了也是一样的。那么分析就已经成功了，代码将在后面给出，这样我们可以下载带水印的高清大图了！

 

  ##js的解析规则：
  #----
 js=soup.select(‘script‘) js=js[4]
 pattern = re.compile(r‘window.hits = ([)(.*)(])‘)
 va = pattern.search(str(js)).group(2)#解析js内容
 #-------

在这里插入图片描述

当然，就配图而言还是高质量图的质量高很多，如果可以接受的话可以使用。唯一缺点就是图创水印。

代码与总结

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# 引入模块
    path = path.strip()# 去除首位空格
    path = path.rstrip("\") # 去除尾部  符号
    isExists = os.path.exists(path)  # 判断路径是否存在  # 存在     True # 不存在   False
    if not isExists:  # 判断结果
        os.makedirs(path)# 如果不存在则创建目录 # 创建目录操作函数
        return True#print (path + ‘ 创建成功‘)
    else:
        # 如果目录存在则不创建，并提示目录已存在
        #print(path + ‘ 目录已存在‘)
         return False
def downloadimage(imageid,imgname):##下载大图和带水印的高质量大图
    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+" 下载成功")
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=‘无水印/‘
    else:
        js=js[4]
        path=‘图虫创意/‘
    print(js)
    pattern = re.compile(r‘window.hits = ([)(.*)(])‘)
    va = pattern.search(str(js)).group(2)#解析js内容
    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("高质量大图带水印输入1，普通不带水印输入2:")
    num=int(num)
    free=‘‘
    if num==2:
        free=‘free/‘
    text = input(‘输入关键词:‘)
    getText(text,free)

这样，整个流程就完成了，对于目录方面，我也对图虫有水印的和没水印的进行了区分，供大家使用。在使用方面，先输入1或2(1代表有水印高质量图，2代表共享图)，在输入关键词即可批量下载。

在这里插入图片描述
在这里插入图片描述
最后，如果感觉可以的话欢迎点赞呗！欢迎关注笔者公众号：bigsai
IT圈不嫌多一个朋友，笔者也希望能成为你的朋友，共同学习，共同进步！