快捷導(dǎo)航

python實(shí)現(xiàn)壁紙批量下載代碼實(shí)例

更新時(shí)間：2018年01月25日 08:46:46 投稿：laozhang

本篇文章通過代碼實(shí)例給大家分享了用python實(shí)現(xiàn)壁紙批量下載這個(gè)功能，有興趣的朋友參考下吧。

項(xiàng)目地址：https://github.com/jrainlau/wallpaper-downloader

前言

好久沒有寫文章了，因?yàn)樽罱荚谶m應(yīng)新的崗位，以及利用閑暇時(shí)間學(xué)習(xí)python。這篇文章是最近的一個(gè)python學(xué)習(xí)階段性總結(jié)，開發(fā)了一個(gè)爬蟲批量下載某壁紙網(wǎng)站的高清壁紙。

注意：本文所屬項(xiàng)目?jī)H用于python學(xué)習(xí)，嚴(yán)禁作為其他用途使用！

初始化項(xiàng)目

項(xiàng)目使用了virtualenv來創(chuàng)建一個(gè)虛擬環(huán)境，避免污染全局。使用pip3直接下載即可：

pip3 install virtualenv

然后在合適的地方新建一個(gè)wallpaper-downloader目錄，使用virtualenv創(chuàng)建名為venv的虛擬環(huán)境：

virtualenv venv
. venv/bin/activate

接下來創(chuàng)建依賴目錄：

echo bs4 lxml requests > requirements.txt

最后yun下載安裝依賴即可：

pip3 install -r requirements.txt

分析爬蟲工作步驟

為了簡(jiǎn)單起見，我們直接進(jìn)入分類為“aero”的壁紙列表頁(yè)：http://wallpaperswide.com/aer...。

可以看到，這一頁(yè)里面一共有10張可供下載的壁紙。但是由于這里顯示的都是縮略圖，作為壁紙來說清晰度是遠(yuǎn)遠(yuǎn)不夠的，所以我們需要進(jìn)入壁紙?jiān)斍轫?yè)，去找到高清的下載鏈接。從第一張壁紙點(diǎn)進(jìn)去，可以看到一個(gè)新的頁(yè)面：

因?yàn)槲覚C(jī)器是Retina屏幕，所以我打算直接下載體積最大的那個(gè)以保證高清（紅圈所示體積）。

了解了具體的步驟以后，就是通過開發(fā)者工具找到對(duì)應(yīng)的dom節(jié)點(diǎn)，提取相應(yīng)的url即可，這個(gè)過程就不再展開了，讀者自行嘗試即可，下面進(jìn)入編碼部分。

訪問頁(yè)面

新建一個(gè)download.py文件，然后引入兩個(gè)庫(kù)：

from bs4 import BeautifulSoup
import requests

接下來，編寫一個(gè)專門用于訪問url，然后返回頁(yè)面html的函數(shù)：

def visit_page(url):
 headers = {
  'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'
 }
 r = requests.get(url, headers = headers)
 r.encoding = 'utf-8'
 soup = BeautifulSoup(r.text, 'lxml')
 return soup

為了防止被網(wǎng)站反爬機(jī)制擊中，所以我們需要通過在header添加UA把爬蟲偽裝成正常的瀏覽器，然后指定utf-8編碼，最后返回字符串格式的html。

提取鏈接

在獲取了頁(yè)面的html以后，就需要提取這個(gè)頁(yè)面壁紙列表所對(duì)應(yīng)的url了：

def get_paper_link(page):
 links = page.select('#content > div > ul > li > div > div a')
 collect = []
 for link in links:
  collect.append(link.get('href'))
 return collect

這個(gè)函數(shù)會(huì)把列表頁(yè)所有壁紙?jiān)斍榈膗rl給提取出來。

下載壁紙

有了詳情頁(yè)的地址以后，我們就可以進(jìn)去挑選合適的size了。在對(duì)頁(yè)面的dom結(jié)構(gòu)分析后可以知道，每一個(gè)size都對(duì)應(yīng)著一個(gè)鏈接：

所以第一步，就是把這些size對(duì)應(yīng)的鏈接提取出來：

wallpaper_source = visit_page(link)
wallpaper_size_links = wallpaper_source.select('#wallpaper-resolutions > a')
size_list = []
for link in wallpaper_size_links:
 href = link.get('href')
 size_list.append({
  'size': eval(link.get_text().replace('x', '*')),
  'name': href.replace('/download/', ''),
  'url': href
 })

size_list就是這些鏈接的一個(gè)集合。為了方便接下來選出最高清（體積最大）的壁紙，在size中我使用了eval方法，直接把這里的5120x3200給計(jì)算出來，作為size的值。

獲取了所有的集合之后，就可以使用max()方法選出最高清的一項(xiàng)出來了：

biggest_one = max(size_list, key = lambda item: item['size'])

這個(gè)biggest_one當(dāng)中的url就是對(duì)應(yīng)size的下載鏈接，接下來只需要通過requests庫(kù)把鏈接的資源下載下來即可：

result = requests.get(PAGE_DOMAIN + biggest_one['url'])
if result.status_code == 200:
 open('wallpapers/' + biggest_one['name'], 'wb').write(result.content)

注意，首先你需要在根目錄下創(chuàng)建一個(gè)wallpapers目錄，否則運(yùn)行時(shí)會(huì)報(bào)錯(cuò)。

整理一下，完整的download_wallpaper函數(shù)長(zhǎng)這樣：

def download_wallpaper(link):
 wallpaper_source = visit_page(PAGE_DOMAIN + link)
 wallpaper_size_links = wallpaper_source.select('#wallpaper-resolutions > a')
 size_list = []
 for link in wallpaper_size_links:
  href = link.get('href')
  size_list.append({
   'size': eval(link.get_text().replace('x', '*')),
   'name': href.replace('/download/', ''),
   'url': href
  })
 biggest_one = max(size_list, key = lambda item: item['size'])
 print('Downloading the ' + str(index + 1) + '/' + str(total) + ' wallpaper: ' + biggest_one['name'])
 result = requests.get(PAGE_DOMAIN + biggest_one['url'])

 if result.status_code == 200:
  open('wallpapers/' + biggest_one['name'], 'wb').write(result.content)

批量運(yùn)行

上述的步驟僅僅能夠下載第一個(gè)壁紙列表頁(yè)的第一張壁紙。如果我們想下載多個(gè)列表頁(yè)的全部壁紙，我們就需要循環(huán)調(diào)用這些方法。首先我們定義幾個(gè)常量：

import sys
if len(sys.argv) != 4:
 print('3 arguments were required but only find ' + str(len(sys.argv) - 1) + '!')
 exit()
category = sys.argv[1]
try:
 page_start = [int(sys.argv[2])]
 page_end = int(sys.argv[3])
except:
 print('The second and third arguments must be a number but not a string!')
 exit()

這里通過獲取命令行參數(shù)，指定了三個(gè)常量category, page_start和page_end，分別對(duì)應(yīng)著壁紙分類，起始頁(yè)頁(yè)碼，終止頁(yè)頁(yè)碼。

為了方便起見，再定義兩個(gè)url相關(guān)的常量：

PAGE_DOMAIN = 'http://wallpaperswide.com'
PAGE_URL = 'http://wallpaperswide.com/' + category + '-desktop-wallpapers/page/'

接下來就可以愉快地進(jìn)行批量操作了，在此之前我們來定義一個(gè)start()啟動(dòng)函數(shù)：

def start():
 if page_start[0] <= page_end:
  print('Preparing to download the ' + str(page_start[0]) + ' page of all the "' + category + '" wallpapers...')
  PAGE_SOURCE = visit_page(PAGE_URL + str(page_start[0]))
  WALLPAPER_LINKS = get_paper_link(PAGE_SOURCE)
  page_start[0] = page_start[0] + 1
  for index, link in enumerate(WALLPAPER_LINKS):
   download_wallpaper(link, index, len(WALLPAPER_LINKS), start)

然后把之前的download_wallpaper函數(shù)再改寫一下：

def download_wallpaper(link, index, total, callback):
 wallpaper_source = visit_page(PAGE_DOMAIN + link)
 wallpaper_size_links = wallpaper_source.select('#wallpaper-resolutions > a')
 size_list = []
 for link in wallpaper_size_links:
  href = link.get('href')
  size_list.append({
   'size': eval(link.get_text().replace('x', '*')),
   'name': href.replace('/download/', ''),
   'url': href
  })
 biggest_one = max(size_list, key = lambda item: item['size'])
 print('Downloading the ' + str(index + 1) + '/' + str(total) + ' wallpaper: ' + biggest_one['name'])
 result = requests.get(PAGE_DOMAIN + biggest_one['url'])
 if result.status_code == 200:
  open('wallpapers/' + biggest_one['name'], 'wb').write(result.content)

 if index + 1 == total:
  print('Download completed!\n\n')
  callback()

最后指定一下啟動(dòng)規(guī)則：