获取必应桌面壁纸

网上冲浪的时候，发现了一个不错的必应壁纸网址：

http://bing.wallpaper.pics

可以利用所学的知识，每天定时去这个网站把图片下载下来。

先定义一个URL链接对象：

webpage = "https://bing.wallpaper.pics/us/20220506.html"

为了访问这个网址，需要调用urllib模块：

import urllib.request

部分网址会有一些简单的反爬虫策略，需要在使用模块urllib.request时，传入一些访问网页必须的参数，如网页的headers。

urllib.request模块提供了Request对象实现headers的传入：

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
}

webpage_url = urllib.request.Request(webpage, headers=headers)

利用该对象，可以访问这个网址，并设置超时为20秒：

with urllib.request.urlopen(webpage_url, timeout=20) as f:
    data = f.read()

urllib模块返回的结果是一个bytes对象，而不是str，因此需要调用.decode()方法将其转换为字符串：

type(data)

bytes

content = data.decode("utf-8")

对于得到的网页内容字符串，可以使用正则表达式提取其中墙纸图片的URL链接：

import re

for g in re.finditer("src=\'(//[^\']*.jpg)", content):
    pic_url = "http:" + g.group(1)
    print(pic_url)

http://www.bing.com/th?id=OHR.SwedishAntenna_ZH-CN9163420082_1920x1080.jpg&rf=LaDigue_1920x1080.jpg

注意，这个链接的正则表达式是通过观察网页的源代码后编写的，并不是通用的提取url的方法。

利用正则表达式，可以从图片URL中解析出图片的名称：

pic_name = re.search("([^/.&]*\.jpg)", pic_url).group(1)

pic_name

'SwedishAntenna_ZH-CN9163420082_1920x1080.jpg'

利用urllib.request.urlretrieve()函数下载图片：

urllib.request.urlretrieve(pic_url, pic_name)

('SwedishAntenna_ZH-CN9163420082_1920x1080.jpg',
 )

加载图片：

from PIL import Image

pic = Image.open(pic_name)

pic

​

%rm *.jpg

由于BING每天都会更新墙纸，为了每次能更新前一天的数据，可以考虑将图片网址的URL改为使用每天的日期计算得到：

import datetime

pre_date = datetime.date.today() - datetime.timedelta(days=1)

webpage = f"https://bing.wallpaper.pics/us/{pre_date.strftime('%Y%m%d')}.html"

webpage

'https://bing.wallpaper.pics/us/20220617.html'

考虑到可能需要获取其他日期的墙纸，在脚本模式下，考虑利用sys.argv接受一个指定参数，从多少天前开始进行循环下载。另一方面，每次下载完图片后，需要利用time模块和random模块随机停止几秒，防止反爬虫机制的触发。

综合之前的实现，一个完整程序“wallpaper.py”的实现代码如下：

%%writefile wallpaper.py
import sys
import re
import datetime
import urllib.request
import time
import random
from pathlib import Path

max_days = 1
if len(sys.argv) == 2:
    max_days = int(sys.argv[1])

headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'}

wallpaper = Path("wallpaper")
if not wallpaper.exists():
    wallpaper.mkdir()

for i in range(max_days, 0, -1):
    cur_date = datetime.date.today() - datetime.timedelta(days=1)
    webpage = f"https://bing.wallpaper.pics/us/{cur_date.strftime('%Y%m%d')}.html"
    webpage_url = urllib.request.Request(webpage, headers=headers)
    print(webpage)
    with urllib.request.urlopen(webpage_url, timeout=20) as f:
        data = f.read()
    content = data.decode("utf-8")
    for g in re.finditer("src=\'(//[^\']*.jpg)", content):
        pic_url = "http:" + g.group(1)
        print(pic_url)
        pic_name = re.search("([^/.&]*\.jpg)", pic_url).group(1)
        if not (wallpaper / pic_name).exists():
            urllib.request.urlretrieve(pic_url, wallpaper / pic_name)
    time.sleep(random.randint(1, 5))

Writing wallpaper.py

%rm wallpaper.py