做了个入门级的必应壁纸爬虫

hoochanlon 发表于 2023-5-5 21:56

### 准备工作

####bing壁纸网页元素及API分析

词组与时间，可行。

```
http://www.isummer.cn/#/search?searchVal=森林
```

```
http://www.isummer.cn/#/search?searchDate=20230429
```

格式固定，可作为重命名的选项。

```html
<div data-v-61a4e448="" class="x_item_description">
<h3 data-v-61a4e448="">约书亚树国家公园上空的银河，美国加利福尼亚州(© Schroptschop/Getty Images)</h3>
</div>
```

图片链接元素定位，将 800x480 换成 1920x1080，可行。

```
<img data-v-61a4e448="" src="https://cn.bing.com/th?id=OHR.RebelBase_ZH-CN0484516261_800x480.jpg" alt="" class="x_item_img">
```

不过，我个人因兴而起，也是因为懒，最后选型是json。

![](https://s2.xptou.com/2023/05/05/6454e0e1c1302.png)

### 测试过程

直接使用原始的图片地址保存，会带有一些额外的参数或随机字符串，导致无法正确下载或者保存图片。因此，对于这种情况，最好先做好分割，得出实际的图片下载地址，再根据需要合并，得到本地保存名称。

request.json()，它返回HTTP请求正文解析后的JSON对象，使用request.json()方法可以将其转化为Python字典对象。

```python
# 循环获取返回的图片地址
for i in request.json()["data"]["list"]:
# "wpUrl" 字符串中提取出第一个以 & 符号为分隔符的第一个字符串
picture_list = i["wpUrl"].split("&")
# print(picture_list) 返回结果：/th?id=OHR.SouthPadre_ZH-CN8788572569_1920x1080.jpg
# 采取策略：先分割后拼接
picture_name = picture_list.split(".") # 返回结果：['/th?id=OHR', 'SouthPadre_ZH-CN8788572569_1920x1080', 'jpg']
print(picture_name)
```

通过 (https://docs.python.org/zh-cn/3/library/re.html#re.split)，将列表字串进行进一步分割，将“.”和“_”分割。

```python
picture_name=re.split("[._]", picture_list) # 返回结果：['/th?id=OHR', 'SouthPadre', 'ZH-CN8788572569', '1920x1080', 'jpg']
```

初试效果

![](https://s2.xptou.com/2023/05/05/645500bcd986e.png)

### 成型及源码

这回就路径简单做了下跨平台:

* macOS： `~/Pictures/bing`
* Windows：`c:/users/用户名/Pictures/bing`

附录源码：https://github.com/hoochanlon/ihs-simple/blob/main/d-python/get_bing_wallpapers.py

```
import requests
import re
import os

# 模拟浏览器请求
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36"
}

# getWpList json 部分参数
# data = {
# "pageNum": 1,
# "pageSize": 9
# }

# 循环3次，即从首页到第三页
# "pageNum" 页码；pageSize，最多9张图。
for i in range(4):
data = {
   "pageNum": i,
   "pageSize": 9
}

# 请求图片网站API，调用json参数
request = requests.post('http://www.isummer.cn/x_site/wp/getWpList', json=data, headers=headers)

# 拼接用户主目录下的 Pictures 文件夹路径
default_pictures_dir = os.path.join(os.path.expanduser("~"), "Pictures")
# 拼接成指定保存的图片目录
picture_path = os.path.join(default_pictures_dir, "bing")
# 如果目录不存在则创建
if not os.path.exists(picture_path):
   os.makedirs(picture_path)

# 测试现象
# /th?id=OHR.Popocatepetl_ZH-CN5483138337_1920x1080.jpg&rf=LaDigue_1920x1080.jpg&pid=hp

# 循环获取返回的图片地址
for i in request.json()["data"]["list"]:
   # "wpUrl" 字符串中提取出第一个以 & 符号为分隔符的第一个字符串
   picture_list = i["wpUrl"].split("&")
   # print(picture_list) 返回结果：/th?id=OHR.SouthPadre_ZH-CN8788572569_1920x1080.jpg
   # 采取策略：先分割后拼接
   # picture_name = picture_list.split(".") # 返回结果：['/th?id=OHR', 'SouthPadre_ZH-CN8788572569_1920x1080', 'jpg']
   picture_name=re.split("[._]", picture_list)

   # 拼接图片保存路径
   save_path = os.path.join(picture_path, f"{picture_name}.{picture_name}")

   # 请求图片的下载地址
   request = requests.post(f'https://cn.bing.com{picture_list}')
   # 保存图片到本地
   with open(save_path, "wb") as f:
         f.write(request.content)

   print("下载完成:" + save_path)
```

![](https://s2.xptou.com/2023/05/05/645506301e8a7.png)

在线测试

```
python -c "$(curl -fsSL https://ghproxy.com/https://raw.githubusercontent.com/hoochanlon/ihs-simple/main/d-python/get_bing_wallpapers.py)"
```

![](https://s2.xptou.com/2023/05/05/6455063173a41.png)

myseil 发表于 2023-5-7 15:11

试试https://cn.bing.com/HPImageArchive.aspx?format=js&idx=0&n=10&nc=1612409408851&pid=hp&FORM=BEHPTB&uhd=1&uhdwidth=3840&uhdheight=2160

coolfire1983 发表于 2023-5-5 22:19

感谢楼主分享学习了 python越来越强大了

382PJ 发表于 2023-5-5 22:30

感谢楼主分享

我是来拿CB 的

回复本帖可获得 15 CB

sihua3000 发表于 2023-5-5 22:31

感谢分享，有空试试

wors66 发表于 2023-5-5 22:35

学习学习，感谢分享

JackeyLoveONE 发表于 2023-5-5 22:37

感谢楼主分享

我是来拿CB 的

欲求清风伴凫水 发表于 2023-5-5 22:39

学习学习，感谢分享

alingwin 发表于 2023-5-5 23:05

感谢分享，有空试试

htxz2022 发表于 2023-5-6 00:04

最近刚开始学Python，刚好练练手

洋葱哥哥 发表于 2023-5-6 00:15

学习了，感谢分享技术

页: [1] 2 3 4

吾爱破解 - 52pojie.cn's Archiver

做了个入门级的必应壁纸爬虫