爬取5K分辨率超清惟美壁紙

@[toc]

爬取5K分辨率超清惟美壁紙

簡介

壁紙的選擇其實很大程度上能看出電腦主人的心裏世界，有的人喜歡風景，有的人喜歡星空，有的人喜歡美女，有的人喜歡動物。然而，終究有一天你已經產生審美疲勞了，但你下定決定要換壁紙的時候，又發現網上的壁紙要麼分辨率低，要麼帶有水印。

這裏有一款Mac下的小清新壁紙神器Pap.er，多是Mac下最好的壁紙軟件，自帶5K超清分辨率壁紙，富有多種類型壁紙，當咱們想在Windows或者Linux下使用的時候，就能夠考慮將5K超清分辨率壁紙爬取下來。

編寫思路

爲了方便快速開發，咱們使用python中的wxpy模塊完成微信的基本操做。

首先，打開Charles軟件，進行抓包。打開Pap.er，開始抓包。(因爲是Mac系統下的APP，因此非Mac系統的朋友能夠直接看抓包結果)

抓包分析結果以下：

類型	地址
最新	https://service.paper.meiyuan...
最熱	https://service.paper.meiyuan...
女生	https://service.paper.meiyuan...
星空	https://service.paper.meiyuan...

參數page不用改動，per_page指的是每頁提取的數量，也就是咱們想要提取的圖片數量。

抓完包以後，咱們開始編寫5K壁紙解析程序

# 爬取不一樣類型圖片
def crawler_photo(type_id, photo_count):

    # 最新 1, 最熱 2, 女生 3, 星空 4
    if(type_id == 1):
        url = 'https://service.paper.meiyuan.in/api/v2/columns/flow/5c68ffb9463b7fbfe72b0db0?page=1&per_page=' + str(photo_count)
    elif(type_id == 2):
        url = 'https://service.paper.meiyuan.in/api/v2/columns/flow/5c69251c9b1c011c41bb97be?page=1&per_page=' + str(photo_count)
    elif(type_id == 3):
        url = 'https://service.paper.meiyuan.in/api/v2/columns/flow/5c81087e6aee28c541eefc26?page=1&per_page=' + str(photo_count)
    elif(type_id == 4):
        url = 'https://service.paper.meiyuan.in/api/v2/columns/flow/5c81f64c96fad8fe211f5367?page=1&per_page=' + str(photo_count)

    
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
    # 獲取圖片連接列表數據，json格式
    respond = requests.get(url, headers=headers)
    # 對json格式轉化爲python對象
    photo_data = json.loads(respond.content)

    # 已經下載的圖片張數
    now_photo_count = 1
    # 全部圖片張數
    all_photo_count = len(photo_data)

    # 開始下載並保存5K分辨率壁紙
    for photo in photo_data:

        # 建立一個文件夾存放咱們下載的圖片(若存在則不用從新建立)
        if not os.path.exists('./' + str(type_id)):
            os.makedirs('./' + str(type_id))

        # 準備下載的圖片連接，5K超清壁紙連接
        file_url = photo['urls']['raw']

        # 準備下載的圖片名稱,不包含擴展名
        file_name_only = file_url.split('/')
        file_name_only = file_name_only[len(file_name_only) -1]

        # 準備保存到本地的完整路徑
        file_full_name = './' + str(type_id) + '/' + file_name_only

        # 開始下載圖片
        Down_load(file_url, file_full_name, now_photo_count, all_photo_count)
        
        # 已經下載的圖片數量加1
        now_photo_count = now_photo_count + 1

根據不一樣類型的壁紙，建立不一樣的文件夾編號進行分類。

上面的Down_load()函數是下載文件的意思，調用requests庫，具體代碼以下：

# 文件下載器
def Down_load(file_url, file_full_name, now_photo_count, all_photo_count):
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}

    # 開始下載圖片
    with closing(requests.get(file_url, headers=headers, stream=True)) as response:
        chunk_size = 1024  # 單次請求最大值
        content_size = int(response.headers['content-length'])  # 文件總大小
        data_count = 0 # 當前已傳輸的大小
        with open(file_full_name, "wb") as file:
            for data in response.iter_content(chunk_size=chunk_size):
                file.write(data)
                done_block = int((data_count / content_size) * 50)
                data_count = data_count + len(data)
                now_jd = (data_count / content_size) * 100
                print("\r %s：[%s%s] %d%% %d/%d" % (file_full_name, done_block * '█', ' ' * (50 - 1 - done_block), now_jd, now_photo_count, all_photo_count), end=" ")

    # 下載完圖片後獲取圖片擴展名，併爲其增長擴展名
    file_type = filetype.guess(file_full_name)
    os.rename(file_full_name, file_full_name + '.' + file_type.extension)

chunk_size指的是單次請求的最大值，content_size指的就是咱們下載5K超清壁紙的大小，爲了可以直觀顯示下載狀況，因此添加了下載進度條的顯示效果。核心代碼爲file.write(data)。

下載完畢後，爲了方便咱們查看文件，因此須要給圖片添加對應的擴展名，好比jpg,png,gif，這裏使用到filetype庫對文件進行解析，判斷其類型。

最後，開始在main中爬取5K高清壁紙：

if __name__ == '__main__':

    # 最新 1, 最熱 2, 女生 3, 星空 4
    # 爬取類型爲3的圖片(女生),一共準備爬取100張
    print("程序已經開始運行,請稍等……")
    crawler_photo(1, 100)
    crawler_photo(2, 100)
    crawler_photo(3, 100)
    crawler_photo(4, 100)

使用教程

1. 確保如下庫均已安裝：

# 若是沒有安裝，請使用pip install module安裝
import requests
import filetype
import os
import json
from contextlib import closing

演示圖片

完整源代碼

項目源代碼在GitHub倉庫

項目持續更新，歡迎您star本項目