写了一个微博相册的爬虫，顺便根据爬虫抓到的图片，写了个随机发图的 Telegram 的 Bot。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 3327 天前的主题，其中的信息可能已经有所发展或是发生改变。

新浪微博上有不少福利号，想保存一下他们的图片。
于是昨天中午吃饭前花了点时间，拿 Python 写了个爬虫，扔 VPS 上爬了上万张图。

难以遏制想与大家分享的心情，看了看 Telegram 的 Bot API 文档，发现 tg 的 bot 设计还是挺简单的，于是根据 Telegram 给的 demo 进行修改，做了一个发图的 Bot 出来。

Telegram 的 Bot 的演示： https://telegram.me/canbin_bot

爬虫： https://github.com/lincanbin/Sina-Weibo-Album-Downloader
Telegram Bot: https://github.com/lincanbin/Telegram-Simple-Image-Bot

bot

爬虫

VPS

35 条回复 • 2017-01-20 08:59:29 +08:00

lincanbin

2015-11-17 09:55:55 +08:00

爬虫抓了几 GiB 的图片，在 DeactivatedOcean 上跑了好几分钟，可以跑满百兆带宽，并没有被 Deactivated 。
昨天吃饭时一直盯着手机的 SSH 客户端，生怕被 Deactivated 了。

图片内容来自一批微博账号，抓了上万张吧，并没有一一查看，大抵都是妹子图吧？

zangbob

2015-11-17 10:04:02 +08:00

感谢灿神又有好作品分享~~~已 star ……

(是否应再加几行字： 1024 楼主好人之类的…… :)

n37r06u3

2015-11-17 10:22:21 +08:00

readme 里截图用的什么浏览器

GPU

2015-11-17 10:23:43 +08:00

@lincanbin 我想知道是哪一批微博账号。

lincanbin

2015-11-17 10:23:46 +08:00

@n37r06u3 Edge

lwbjing

2015-11-17 10:41:38 +08:00

fllow

jedyu

2015-11-17 10:58:29 +08:00

Lofter 也有好多哦

lincanbin

2015-11-17 11:10:23 +08:00 via Android

@jedyu 请把地址发我，我要去抓。

Suclogger

2015-11-17 11:16:45 +08:00

果然福利才是人类的根本驱动力么

halfer53

2015-11-17 12:19:58 +08:00

Tumblr 才是最多的，各种福利简直精尽人亡

lincanbin

2015-11-17 12:24:08 +08:00

@halfer53 所以说，账号呢？

有 tg 账号的在 tg 群里发我： https://telegram.me/joinchat/BdahuwNx-nH8B5Ko6_swww

halfer53

2015-11-17 12:36:46 +08:00

@lincanbin http://www.coolapk.com/apk/com.tumblr 酷安评论里有很多。我的 Tumblr 上还关注了 200 多个绝对领域的，回家后发给你

chengzhoukun

2015-11-17 12:43:35 +08:00

还有新闻联播截图😓

lonelygo

2015-11-17 12:45:26 +08:00

已✨， 1024 赞。

imn1

2015-11-17 12:47:42 +08:00

爬虫不难搞，难的是如何搜集发布号， share 一下吧

Hysteria

2015-11-17 13:04:22 +08:00

bot 简直不能太溜，赞得飞起。

lincanbin

2015-11-17 13:38:00 +08:00

@halfer53 Tumblr 好像还有视频啊，我要抓 Tumblr 。

phithon

2015-11-17 13:39:54 +08:00

分享福利号啊！！

PandaSaury

2015-11-17 14:18:33 +08:00

可以在 github 开个地方，专门收集福利号

mfinal

2015-11-18 00:45:00 +08:00

已经 star 表示👍。学习一下怎么爬 weibo

joewangyz

2015-11-18 14:44:55 +08:00

关键是福利号啊，，不然哪获取 OID 和照片墙的 cookie 。。

cclishan

2015-11-18 16:12:30 +08:00

@lincanbin Tumblr 太多了。。要不要公布关注列表。。

banri

2015-11-18 21:37:31 +08:00

200 个绝对领域！

touch

2015-11-19 18:35:58 +08:00

@lincanbin 之前也爬过微博信息。但是账号被封了。怎么解决的

lincanbin

2015-11-19 19:41:33 +08:00

@touch 爬图床就没事，爬 API 有频率限制的。

touch

2015-11-20 11:54:09 +08:00

@lincanbin 我是直接通过页面 html 爬取没有调用 api

touch

2015-11-20 11:55:53 +08:00

@lincanbin 爬取一段时间后就只直接账号被封。被检测到属于异常行为

lincanbin

2015-11-20 13:42:43 +08:00

@touch 我爬的那部分，都不用登录啊

touch

2015-11-20 14:05:54 +08:00

@lincanbin #；#

fuliti

2015-11-22 16:03:12 +08:00

感觉好神奇，可惜不会用。

JiaFeiX

2015-12-02 12:34:52 +08:00

请问楼主爬取的哪些账号？

bbjoe

2016-08-30 17:43:21 +08:00

请问爬相册老会爬漏是什么问题呢？比如 402 个图片 id ，运行完只得百来张。

lincanbin

2016-08-30 17:49:25 +08:00

@bbjoe 设置 CRAWL_PHOTOS_NUMBER = 402
要爬取的图片上限

lincanbin

2016-08-30 17:49:46 +08:00

@bbjoe 或者直接让 CRAWL_PHOTOS_NUMBER = 10000
设个非常大的数值。

yxqcyl

2017-01-20 08:59:29 +08:00

出现以下错误是什么原因？

['4065529837148919']
9f128f33jw1e8qgp5bmzyj2050050aa8.jpg
lxhxixi_org.gif
2Flxhxixi_org.gif
9f128f33ly1fbw8sp2ro7j20qo1beq4l.jpg
Exception in thread Thread-51:
Traceback (most recent call last):
File "/usr/lib/python3/dist-packages/urllib3/connection.py", line 137, in _new_conn
(self.host, self.port), self.timeout, **extra_kw)
File "/usr/lib/python3/dist-packages/urllib3/util/connection.py", line 67, in create_connection
for res in socket.getaddrinfo(host, port, 0, socket.SOCK_STREAM):
File "/usr/lib/python3.5/socket.py", line 732, in getaddrinfo
for res in _socket.getaddrinfo(host, port, family, type, proto, flags):
socket.gaierror: [Errno -3] Temporary failure in name resolution

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "/usr/lib/python3/dist-packages/urllib3/connectionpool.py", line 559, in urlopen
body=body, headers=headers)
File "/usr/lib/python3/dist-packages/urllib3/connectionpool.py", line 353, in _make_request
conn.request(method, url, **httplib_request_kw)
File "/usr/lib/python3.5/http/client.py", line 1106, in request
self._send_request(method, url, body, headers)
File "/usr/lib/python3.5/http/client.py", line 1151, in _send_request
self.endheaders(body)
File "/usr/lib/python3.5/http/client.py", line 1102, in endheaders
self._send_output(message_body)
File "/usr/lib/python3.5/http/client.py", line 934, in _send_output
self.send(msg)
File "/usr/lib/python3.5/http/client.py", line 877, in send
self.connect()
File "/usr/lib/python3/dist-packages/urllib3/connection.py", line 162, in connect
conn = self._new_conn()
File "/usr/lib/python3/dist-packages/urllib3/connection.py", line 146, in _new_conn
self, "Failed to establish a new connection: %s" % e)
requests.packages.urllib3.exceptions.NewConnectionError: <requests.packages.urllib3.connection.HTTPConnection object at 0x7f6d60069b00>: Failed to establish a new connection: [Errno -3] Temporary failure in name resolution

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
File "/usr/lib/python3/dist-packages/requests/adapters.py", line 376, in send
timeout=timeout