Python技術

知乎上有許多關於顏值、身材的話題，有些話題的回複數甚至高達幾百上千，擁有成千上萬的關注者與被瀏覽數。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 製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 控制檯面板，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 參數的 URL 請求。

檢查 Response 面板中的內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，並寫入文件。

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:  
                # 去掉轉移字符 
                pic_url = item.replace("\", "")
                pic_url = pic_url.split('?')[0]

                # 去重複
                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()

示例結果：

下載圖片

下面代碼將讀取文件中的圖片地址並下載。

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{}個不重複的 URL".format(len(pic_urls)))
    return pic_urls

def download_pic(pic_urls, title):

    # 創建文件夾
    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：{}/重複：{}/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)

結語

今天的文章用 Python 爬蟲製作了一個小腳本，如果小夥伴們覺得文章有趣且有用，點個 轉發 支持一下吧！