导入相关包
import time import pydash import base64 import requests from lxml import etree from aip import AipFace from pathlib import Path
百度云 人脸检测 申请信息
#唯一必须填的信息就这三行 APP_ID = "xxxxxxxx" API_KEY = "xxxxxxxxxxxxxxxx" SECRET_KEY = "xxxxxxxxxxxxxxxx" # 过滤颜值阈值,存储空间大的请随意 BEAUTY_THRESHOLD = 55 AUTHORIZATION = "oauth c3cef7c66a1843f8b3a9e6a1e3160e20" # 如果权限错误,浏览器中打开知乎,在开发者工具复制一个,无需登录 # 建议最好换一个,因为不知道知乎的反爬虫策略,如果太多人用同一个,可能会影响程序运行
以下皆无需改动
# 每次请求知乎的讨论列表长度,不建议设定太长,注意节操 LIMIT = 5 # 这是话题『美女』的 ID,其是『颜值』(20013528)的父话题 SOURCE = "19552207"
爬虫假装下正常浏览器请求
USER_AGENT = "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/534.55.3 (KHTML, like Gecko) Version/5.1.5 Safari/534.55.3" REFERER = "https://www.zhihu.com/topic/%s/newest" % SOURCE # 某话题下讨论列表请求 url BASE_URL = "https://www.zhihu.com/api/v4/topics/%s/feeds/timeline_activity" # 初始请求 url 附带的请求参数 URL_QUERY = "" + str( LIMIT) HEADERS = { "User-Agent": USER_AGENT, "Referer": REFERER, "authorization": AUTHORIZATION
指定 url,获取对应原始内容 / 图片
def fetch_image(url): try: response = requests.get(url, headers=HEADERS) except Exception as e: raise e return response.content
指定 url,获取对应 JSON 返回 / 话题列表
def fetch_activities(url): try: response = requests.get(url, headers=HEADERS) except Exception as e: raise e return response.json()
处理返回的话题列表
def parser_activities(datums, face_detective): for data in datums["data"]: target = data["target"] if "content" not in target or "question" not in target or "author" not in target: continue html = etree.HTML(target["content"]) seq = 0 title = target["question"]["title"] author = target["author"]["name"] images = html.xpath("//img/@src") for image in images: if not image.startswith("http"): continue image_data = fetch_image(image) score = face_detective(image_data) if not score: continue name = "{}--{}--{}--{}.jpg".format(score, author, title, seq) seq = seq + 1 path = Path(__file__).parent.joinpath("image").joinpath(name) try: f = open(path, "wb") f.write(image_data) f.flush() f.close() print(path) time.sleep(2) except Exception as e: continue if not datums["paging"]["is_end"]: return datums["paging"]["next"] else: return None
初始化颜值检测工具
def init_detective(app_id, api_key, secret_key): client = AipFace(app_id, api_key, secret_key) options = {"face_field": "age,gender,beauty,qualities"} def detective(image): image = str(base64.b64encode(image), "utf-8") response = client.detect(str(image), "BASE64", options) response = response.get("result") if not response: return if (not response) or (response["face_num"] == 0): return face_list = response["face_list"] if pydash.get(face_list, "0.face_probability") < 0.6: return if pydash.get(face_list, "0.beauty") < BEAUTY_THRESHOLD: return if pydash.get(face_list, "0.gender.type") != "female": return score = pydash.get(face_list, "0.beauty") return score return detective
程序入口
def main(): face_detective = init_detective(APP_ID, API_KEY, SECRET_KEY) url = BASE_URL % SOURCE + URL_QUERY while url is not None: datums = fetch_activities(url) url = parser_activities(datums, face_detective) time.sleep(5) if __name__ == '__main__': main()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
暂无评论...
更新日志
2024年11月25日
2024年11月25日
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]