还在搜百度图片？太LOW了！
来源：Python 技术「ID: pythonall」
你现在还去什么图片网站搜图片吗？
你现在还在百度图片等图片网站搜素材吗？
今天给大家分享一种全新的方式来获取图片素材，你想要的这里全都有！
它就是新浪微博！全新一代的超级流量入口，甚至好多人现在将其作为替代百度搜索的工具，以前是有事问度娘，现在是有事搜微博。
比如，某宅男想要看清纯少女图片，越多越好的那种。他会这样搜：
然后，他会一页一页地翻阅欣赏这样的养眼图片，遇到特别喜欢的还会下载大图到本地保存。
作为一个 python 程序员，我是懒得这样一页又一页的翻的，我喜欢全部下载下来慢慢欣赏，撑爆硬盘的那种！类似下面这样：
这种简单问题对于我们会写爬虫的 pythoner 来说，简直易如反掌，何乐而不为呢？下面直接给大家分享一下。
分析目标网站
微博这个搜索结果是分页的，所以我们的思路肯定是按分页来处理，逐页解析。
我们先来看看搜索结果：
我们点击“搜索”按钮后，很容易就可以发现这个搜索的请求，这里网页呈现的是第一页的结果。
接着我们点击“下一页”，可以发现请求变成下面这样：
细心的你可能一眼就发现了，请求后面多了一个page参数，它指的是页码，这样就很容易了，我们只需要改变这个页码就可以请求到相应页面的内容。
由于这个请求返回的是一个 HTML 页面，所以我们需要在这个页面上下功夫，找到图片的链接。我们随便使用页面元素检查来定位一张图片，就会看到下面的效果：
我们可以看到这个 div 里面的 action-data 是一个合集，而下面的 li 里面的 img 的 action-data 是单个图片的数据。
接下来，我们点击“查看大图”按钮，浏览器会跳转到新页面，页面内容就是一张大图。
从请求的 URL 中顺着找下来，我找到了这个：
我复制这个 URL 到浏览器请求，发现这正是我们需要的大图。我们也很容易看到这个 URL 的特点，就是在最后把我们上面的 action-data 里面的 pic_id 加进去了。
这样一来，我们的思路就很清晰了，下面是获取一页图片的思路：
获取到页面内容； 在页面内容中找到图片的ID； 拼接查看大图的 URL 进行请求，获得图片； 将图片写到本地。
码代码
思路理清楚了，需要码代码来验证。由于代码相对简单，这里就一次性呈现给大家了。
import requests
import re
import os
import time
cookie = {
'Cookie': 'your cookie'
}
header = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4144.2 Safari/537.36'
}
get_order = input('是否启动程序? yes or no: ')
number = 1
store_path = 'your path'
while True:
if get_order != 'no':
print('抓取中......') # 下面的链接填写微博搜索的链接
url = f'https://s.weibo.com/weibo?q=%23%E5%B0%91%E5%A5%B3%E5%86%99%E7%9C%9F%23&wvr=6&b=1&Refer=SWeibo_box&page={number}'
response = requests.get(url, cookies=cookie)
result = response.text
print(result)
detail = re.findall('data="uid=(.*?)&mid=(.*?)&pic_ids=(.*?)">', result)
for part in detail:
uid = part[0]
mid = part[1]
pids = part[2]
for picid in pids.split(','):
url_x = f'https://wx1.sinaimg.cn/large/%s.jpg'%picid # 这里就是大图链接了
response_photo = requests.get(url_x, headers=header)
file_name = url_x[-10:]
if not os.path.exists(store_path+uid):
os.mkdir(store_path+uid)
with open(store_path+uid + '/' + file_name, 'ab') as f: # 保存文件
f.write(response_photo.content)
time.sleep(0.5)
print('获取完毕')
get_order = input('是否继续获取下一页? Y:yes N:no: ')
if get_order != 'no':
number += 1
else:
print('程序结束')
break
else:
print('程序结束')
break
我这里使用了逐页断点的形式，目的是方便调试，大家如果想一次性获取所有页的图片，可以去掉这些输入判断，直接一次性跑完。代码里面的 cookie 和 图片存放路径需要大家替换成自己本地的。
跑完的结果如下：
这里面我把图片按照微博分了文件夹，如果你觉得不直观，想把所有图片都放在一个目录下，可以去掉这一层文件夹。
总结
本篇介绍了如何通过简单爬虫来获取微博图片搜索结果，代码量相当少，但是对某些人来说却很有帮助，省时省力。大家也可以扩展一下，除了图片，也可以去获取其他的搜索内容，比如微博正文、视屏、购物链接等等。