高清图片爬取了解一下
前段时间在知乎看到一篇文章，关于视觉中国如何从腾讯身上扒一层皮的事情。大意就是互联网巨头在没有经过授权的情况下使用了9张来自视觉中国的照片，最后的结果是以赔偿视觉中国4w结束。原文链接：
https://zhuanlan.zhihu.com/p/35045810 感兴趣的可以看看。
当然这对于我们普通人而言几乎没有什么影响。但我们要知道图片版权这回事。
今天带大家爬取的图片网站是：https://unsplash.com/
这里的图片没有版权，你可以随便使用。而且这里面的图片质量都特别高。我的一些图片都是从这上面找的
Ajax加载图片
第一步，请求网页
我们打开网站，下拉页面发现不断加载图片，但是整个页面没有刷新，也就是页面的链接没有变化。其实这个过程就是Aiax加载的过程。
Ajax请求有特殊的类型，它叫做 xhr ，我们打开开发者工具或者按 F12键，切换到Network。
下方切换到 XHR 这里面都是经过Ajax加载的。我们往下多点几个链接发现，下方的三个参数只有 page 在变化，于是我们可以构造这个参数。来提交请求。
```
def get_page(page,headers):
url = 'https://unsplash.com/napi/photos'
data = {
'page': page,
'per_page': 12,
'order_by': 'latest'
}
response = requests.get(url, headers=headers, params=data)
if response.status_code == 200:
return response.json()
```
第二步：解析网页并得到图片链接
接着切换到Prereview选项卡，看到返回的是json数据。继续找发现图片链接在 download 里面，我们复制一个链接在浏览器里打开发现分析的没错。
接下来，再实现一个解析方法：提取每条数据的links字段里的download,将图片的链接返回。
```
def get_image(json,headers):
for item in json:
images = item['links']['download']#这句借鉴大佬代码，真的是厉害了
print('正在下载：',images)
urllib3.disable_warnings()
response = requests.get(images,headers=headers,verify=False)
return response,images
```
最后保存到本地
def save_images(response,images):
if '图片' not in os.listdir('.'):
os.mkdir('图片')# 创建文件夹
os.chdir('图片')# 进入文件夹下
filename = images.split('/')[-2] + '.jpg'
with open(filename, 'wb') as f:
f.write(response.content)
os.chdir('..')# 返回上级目录
if __name__ == '__main__':
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36'
'(KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
'referer': 'https://unsplash.com/'
}
for i in range(1,10):
json = get_page(i,headers)
response,images = get_image(json,headers)
save_images(response,images)
总结
承认自己还有许多不足，代码还有许多可以改进的地方
本文还可以扩展，比如说实现指定关键字work,beauty,nature 等下载图片
代码不是一下子就写出来的，要经过不断调试，出错是很正常的，不断地发现错误并解决才能有所进步。学习的过程中善用搜索引擎，多思考。希望与你一同学习。
原创不易，觉得不错点个赞再走呗。
公众号：sixkery
网友评论