Python 抓取知乎幾千張小姐姐圖片是什么體驗？
文 | 某某白米飯
來源：Python 技術(shù)「ID: pythonall」
知乎上有許多關(guān)于顏值、身材的話題，有些話題的回復(fù)數(shù)甚至高達幾百上千，擁有成千上萬的關(guān)注者與被瀏覽數(shù)。如果我們在摸魚的時候欣賞這些話題將花費大量的時間，可以用 Python 制作一個下載知乎回答圖片的小腳本，將圖片下載到本地。
請求 URL 分析
首先打開 F12 控制臺面板，看到照片的 URL 都是 https://pic4.zhimg.com/80/xxxx.jpg?source=xxx 這種格式的。
滾動知乎頁面向下翻頁，找到一個帶 limit，offset 參數(shù)的 URL 請求。
檢查 Response 面板中的內(nèi)容是否包含了圖片的 URL 地址，其中圖片地址 URL 存在 data-original 屬性中。
提取圖片的 URL
從上圖可以看出圖片的地址存放在 content 屬性下的 data-original 屬性中。
下面代碼將獲取圖片的地址，并寫入文件。
import re
import requests
import os
import urllib.request
import ssl
from urllib.parse import urlsplit
from os.path import basename
import json
ssl._create_default_https_context = ssl._create_unverified_context
headers = {
'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36",
'Accept-Encoding': 'gzip, deflate'
}
def get_image_url(qid, title):
answers_url = 'https://www.zhihu.com/api/v4/questions/'+str(qid)+'/answers?include=data%5B*%5D.is_normal%2Cadmin_closed_comment%2Creward_info%2Cis_collapsed%2Cannotation_action%2Cannotation_detail%2Ccollapse_reason%2Cis_sticky%2Ccollapsed_by%2Csuggest_edit%2Ccomment_count%2Ccan_comment%2Ccontent%2Ceditable_content%2Cattachment%2Cvoteup_count%2Creshipment_settings%2Ccomment_permission%2Ccreated_time%2Cupdated_time%2Creview_info%2Crelevant_info%2Cquestion%2Cexcerpt%2Cis_labeled%2Cpaid_info%2Cpaid_info_content%2Crelationship.is_authorized%2Cis_author%2Cvoting%2Cis_thanked%2Cis_nothelp%2Cis_recognized%3Bdata%5B*%5D.mark_infos%5B*%5D.url%3Bdata%5B*%5D.author.follower_count%2Cbadge%5B*%5D.topics%3Bdata%5B*%5D.settings.table_of_content.enabled&offset={}&limit=10&sort_by=default&platform=desktop'
offset = 0
session = requests.Session()
while True:
page = session.get(answers_url.format(offset), headers = headers)
json_text = json.loads(page.text)
answers = json_text['data']
offset += 10
if not answers:
print('獲取圖片地址完成')
return
pic_re = re.compile('data-original="(.*?)"', re.S)
for answer in answers:
tmp_list = []
pic_urls = re.findall(pic_re, answer['content'])
for item in pic_urls:
# 去掉轉(zhuǎn)移字符 \
pic_url = item.replace("\\", "")
pic_url = pic_url.split('?')[0]
# 去重復(fù)
if pic_url not in tmp_list:
tmp_list.append(pic_url)
for pic_url in tmp_list:
if pic_url.endswith('r.jpg'):
print(pic_url)
write_file(title, pic_url)
def write_file(title, pic_url):
file_name = title + '.txt'
f = open(file_name, 'a')
f.write(pic_url + '\n')
f.close()
示例結(jié)果：
下載圖片
下面代碼將讀取文件中的圖片地址并下載。
def read_file(title):
file_name = title + '.txt'
pic_urls = []
# 判斷文件是否存在
if not os.path.exists(file_name):
return pic_urls
with open(file_name, 'r') as f:
for line in f:
url = line.replace("\n", "")
if url not in pic_urls:
pic_urls.append(url)
print("文件中共有{}個不重復(fù)的 URL".format(len(pic_urls)))
return pic_urls
def download_pic(pic_urls, title):
# 創(chuàng)建文件夾
if not os.path.exists(title):
os.makedirs(title)
error_pic_urls = []
success_pic_num = 0
repeat_pic_num = 0
index = 1
for url in pic_urls:
file_name = os.sep.join((title,basename(urlsplit(url)[2])))
if os.path.exists(file_name):
print("圖片{}已存在".format(file_name))
index += 1
repeat_pic_num += 1
continue
try:
urllib.request.urlretrieve(url, file_name)
success_pic_num += 1
index += 1
print("下載{}完成！({}/{})".format(file_name, index, len(pic_urls)))
except:
print("下載{}失敗！({}/{})".format(file_name, index, len(pic_urls)))
error_pic_urls.append(url)
index += 1
continue
print("圖片全部下載完畢！(成功：{}/重復(fù)：{}/失敗：{})".format(success_pic_num, repeat_pic_num, len(error_pic_urls)))
if len(error_pic_urls) > 0:
print('下面打印失敗的圖片地址')
for error_url in error_pic_urls:
print(error_url)
結(jié)語
今天的文章用 Python 爬蟲制作了一個小腳本，如果小伙伴們覺得文章有趣且有用，點個 在看 支持一下吧！
PS：公號內(nèi)回復(fù)「Python」即可進入Python 新手學(xué)習(xí)交流群，一起 100 天計劃！
老規(guī)矩，兄弟們還記得么，右下角的 “在看” 點一下，如果感覺文章內(nèi)容不錯的話，記得分享朋友圈讓更多的人知道！
【代碼獲取方式】
評論
圖片
表情