70行python代码实现壁纸批量下载！爬虫就是这么简单！

初始化项目

项目使用了virtualenv来创建一个虚拟环境，避免污染全局。使用pip3直接下载即可：

pip3 install virtualenv

然后在合适的地方新建一个wallpaper-downloader目录，使用virtualenv创建名为venv的虚拟环境：

virtualenv venv
. venv/bin/activate

接下来创建依赖目录：

echo bs4 lxml requests > requirements.txt

最后yun下载安装依赖即可：

pip3 install -r requirements.txt

分析爬虫工作步骤

进群：548377875 ? 即可获取数十套PDF哦！

为了简单起见，我们直接进入分类为“aero”的壁纸列表页：http://wallpaperswide.com/aero-desktop-wallpapers.html/page/1

可以看到，这一页里面一共有10张可供下载的壁纸。但是由于这里显示的都是缩略图，作为壁纸来说清晰度是远远不够的，所以我们需要进入壁纸详情页，去找到高清的下载链接。从第一张壁纸点进去，可以看到一个新的页面：

因为我机器是Retina屏幕，所以我打算直接下载体积最大的那个以保证高清（红圈所示体积）。

了解了具体的步骤以后，就是通过开发者工具找到对应的dom节点，提取相应的url即可，这个过程就不再展开了，读者自行尝试即可，下面进入编码部分。

访问页面

新建一个download.py文件，然后引入两个库：

from bs4 import BeautifulSoup
import requests

接下来，编写一个专门用于访问url，然后返回页面html的函数：

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'
 return BeautifulSoup(r.text,'lxml')

为了防止被网站反爬机制击中，所以我们需要通过在header添加UA把爬虫伪装成正常的浏览器，然后指定utf-8编码，最后返回字符串格式的html。

提取链接

在获取了页面的html以后，就需要提取这个页面壁纸列表所对应的url了：

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

这个函数会把列表页所有壁纸详情的url给提取出来。

下载壁纸

有了详情页的地址以后，我们就可以进去挑选合适的size了。在对页面的dom结构分析后可以知道，每一个size都对应着一个链接：

所以第一步，就是把这些size对应的链接提取出来：

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

size_list就是这些链接的一个集合。为了方便接下来选出最高清（体积最大）的壁纸，在size中我使用了eval方法，直接把这里的5120x3200给计算出来，作为size的值。

获取了所有的集合之后，就可以使用max()方法选出最高清的一项出来了：

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

这个biggest_one当中的url就是对应size的下载链接，接下来只需要通过requests库把链接的资源下载下来即可：

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

注意，首先你需要在根目录下创建一个wallpapers目录，否则运行时会报错。

整理一下，完整的download_wallpaper函数长这样：

def download_wallpaper(link):
 wallpaper_source = visit_page(PAGE_DOMAIN + link)
 wallpaper_size_links = wallpaper_source.select('#wallpaper-resolutions > a')
 size_list = [{
 'size': eval(link.get_text().replace('x','url': link.get('href')
 } for link in wallpaper_size_links]
 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)

批量运行

上述的步骤仅仅能够下载第一个壁纸列表页的第一张壁纸。如果我们想下载多个列表页的全部壁纸，我们就需要循环调用这些方法。首先我们定义几个常量：

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()

这里通过获取命令行参数，指定了三个常量category,page_start和page_end，分别对应着壁纸分类，起始页页码，终止页页码。

为了方便起见，再定义两个url相关的常量：

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

接下来就可以愉快地进行批量操作了，在此之前我们来定义一个start()启动函数：

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函数再改写一下：

def download_wallpaper(link,total,callback):
 wallpaper_source = visit_page(PAGE_DOMAIN + link)
 wallpaper_size_links = wallpaper_source.select('#wallpaper-resolutions > a')
 size_list = [{
 'size': eval(link.get_text().replace('x','wb').write(result.content)
 if index + 1 == total:
 print('Download completed!
')

callback()

最后指定一下启动规则：

if __name__ == '__main__':
 start()

运行项目

在命令行输入如下代码开始测试：

python3 download.py aero 1 2

然后可以看到下列输出：

拿charles抓一下包，可以看到脚本正在平稳地运行中：

此时，下载脚本已经开发完毕，终于不用担心壁纸荒啦！点击阅读原文获取项目地址！

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!