萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 爬取百度貼吧指定相冊圖片實戰

本文提供一個完整的 PHP 腳本,用於批量下載百度貼吧相冊中的原圖。腳本會解析相冊頁面返回的 JSON 數據,提取圖片 ID,拼接原圖 URL 並保存到本地。

核心代碼

<?php
set_time_limit(0); // 取消執行時間限制

// 配置參數
$tbname = 'mugen';        // 貼吧名稱
$tid    = '2124904411';   // 相冊 ID
$savePath = 'R:/images/'; // 本地存儲根目錄

$galleryUrl = sprintf(
    'https://tieba.baidu.com/photo/bw/picture/guide?kw=%s&tid=%s',
    urlencode($tbname), $tid
);

$fileDir = $savePath . $tid;
if (!is_dir($fileDir)) {
    mkdir($fileDir, 0755, true);
}

// 獲取相冊 JSON 數據
$json = file_get_contents($galleryUrl);
$data = json_decode($json, true);

if (!isset($data['data']['pic_list'])) {
    die('無法解析相冊數據,可能結構已變更或需要登錄 Cookie');
}

foreach ($data['data']['pic_list'] as $pic) {
    $picId = $pic['img']['original']['id'];
    $imgUrl = "https://imgsrc.baidu.com/forum/pic/item/{$picId}.jpg";
    $saveFile = $fileDir . "/{$picId}.jpg";

    // 若文件已存在則跳過,支援斷點續傳
    if (file_exists($saveFile)) {
        echo "已存在:{$picId}.jpg\n";
        continue;
    }

    $imgData = @file_get_contents($imgUrl);
    if ($imgData === false) {
        echo "下載失敗:{$imgUrl}\n";
        continue;
    }

    file_put_contents($saveFile, $imgData);
    echo "已保存:{$picId}.jpg\n";
    usleep(200000); // 禮貌延遲 0.2 秒,避免觸發反爬蟲
}

echo "任務完成。\n";

關鍵點說明

  1. JSON 解析:百度貼吧相冊介面返回結構化 JSON,直接 json_decode 即可獲取圖片列表。
  2. 原圖 URL 規律:https://imgsrc.baidu.com/forum/pic/item/{id}.jpg,其中 id 為 32 位十六進制字符串。
  3. 錯誤處理:使用 @ 抑制警告,配合 === false 判斷下載失敗,避免腳本中斷。
  4. 反爬策略:加入 usleep 延遲,必要時需攜帶 Cookie(登錄態)或使用代理 IP 池。
  5. 大文件優化:若圖片較大,建議改用 curl 分塊寫入,避免 file_get_contents 佔用過多內存。

法律與道德提示

爬蟲僅供學習研究,請遵守《網絡安全法》及百度《服務協議》,勿大規模高頻請求,尊重版權與用戶隱私。

copyright © 萬盛學電腦網 all rights reserved