77 lines
3.5 KiB
Markdown
77 lines
3.5 KiB
Markdown
# Pinterest 关键词图片爬取工具
|
||
|
||
用 Playwright 启动本机 **Google Chrome** 搜索 Pinterest，并下载最高分辨率的图片。登录态通过**项目内持久化缓存目录**自动保存，首次登录后无需重复操作。
|
||
|
||
## 前置条件
|
||
|
||
1. 安装 Python 依赖：`uv sync`
|
||
2. 本机已安装 **Google Chrome**（脚本直接复用它，不下载任何浏览器内核）
|
||
|
||
## 运行方式
|
||
|
||
### 最简用法（默认，会自动缓存登录态）
|
||
|
||
```bash
|
||
uv run pinterest_image_capture.py "风景壁纸" -n 50
|
||
```
|
||
|
||
脚本会用项目内的 `.chrome_session/User Data` 作为 Chrome 用户数据目录启动一个**可见的本地 Chrome 窗口**：
|
||
|
||
- **首次运行**：请在弹出的窗口里登录 Pinterest（只需这一次）。登录态会缓存在 `.chrome_session` 目录中。
|
||
- **后续运行**：直接复用缓存的登录态，自动登录，不再需要手动登录。
|
||
- 你能实时看到滚动与采集过程，脚本结束自动关窗。
|
||
- `.chrome_session` 已加入 `.gitignore`，不会误提交。
|
||
|
||
### 模式 B：接管你已开好的调试版主浏览器（可选）
|
||
|
||
如果你平时就用 `open_chrome_debug.bat`（或桌面快捷方式）开着调试版主浏览器，可加 `--cdp` 直接接管，跳过自动启动：
|
||
|
||
```bash
|
||
uv run pinterest_image_capture.py "风景壁纸" -n 50 --cdp http://127.0.0.1:9222
|
||
```
|
||
|
||
## 代理
|
||
|
||
代理按以下顺序解析，无需手动填：命令行 `--proxy` > 环境变量 > 本地常见端口探测 > **系统代理**（兜底）。你机器的系统代理会被自动读取并同时用于浏览器与图片下载。传 `--proxy ""` 可禁用。
|
||
|
||
### 参数
|
||
|
||
| 参数 | 说明 | 默认值 |
|
||
|------|------|--------|
|
||
| `keyword` | 搜索关键词（必填，位置参数） | - |
|
||
| `-n, --count` | 爬取图片数量 | 40 |
|
||
| `--proxy` | 代理地址（默认自动解析：本地探测/系统代理；传空字符串禁用） | 自动 |
|
||
| `--cdp` | 可选：指定 CDP 地址以接管已开的调试版 Chrome（见模式 B） | 不填（默认用持久化缓存目录启动本地 Chrome） |
|
||
| `--headless` | 自动启动 Chrome 时采用无头模式 | 关闭 |
|
||
| `-o, --output` | 保存目录 | `output/img/<关键词>` |
|
||
|
||
### 示例
|
||
|
||
```bash
|
||
# 最简用法：只填关键词和数量，代理自动探测
|
||
uv run pinterest_image_capture.py "风景壁纸" -n 50
|
||
|
||
# 无头模式运行（不弹窗）
|
||
uv run pinterest_image_capture.py 猫 -n 10 --headless
|
||
|
||
# 手动指定代理 / 禁用代理
|
||
uv run pinterest_image_capture.py 猫 -n 10 --proxy "http://127.0.0.1:7890"
|
||
uv run pinterest_image_capture.py 猫 -n 10 --proxy ""
|
||
```
|
||
|
||
## 代理自动探测
|
||
|
||
脚本会按以下顺序自动确定代理，无需手动填写：
|
||
|
||
1. 读取系统/用户环境变量 `HTTPS_PROXY` / `HTTP_PROXY`（含小写）。
|
||
2. 实测本地常见代理端口：Clash（`7890~7893`）、v2rayN（`10808`/`10809`）、Shadowsocks（`1080`/`1087`）、Fiddler（`8888`）等。
|
||
|
||
浏览器和下载阶段都会走同一个代理。若都没探测到，脚本会直连运行并在控制台提示（此时若无法访问 Pinterest 需手动用 `--proxy` 指定）。
|
||
|
||
## 说明
|
||
|
||
- 连续 10 轮滚动无新图片时自动停止（搜索结果不足目标数量时不会死循环）。
|
||
- 下载阶段并发数为 10，浏览器与下载都走自动探测到的代理。
|
||
- 默认模式下脚本启动的 Chrome 用 `.chrome_session` 用户目录，登录态持久化保存；脚本结束自动关窗。如需清空登录态，删除 `.chrome_session` 目录即可重新登录。
|
||
- `--cdp` 接管模式下脚本只断开连接，不会关闭你的主浏览器。
|