python 图片爬虫记录
感谢大家的点赞。再补充一点。
对于这个 url
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjEqB5nighYsMZE7kexaVNJfxy3OkRutNEKatksw9u5f-ckHNROLzFyx2Uty3zYWNEaeOmzsljGr3eARiDWaM9DM8G2hPuPf8uZP0NO3kNUCnM2Cjb3ZKtLhJDBwqeR4ElpJ7ID5_wIHGQ/s200
- 这个url最后的 s200, 是我手动修改的，得到图片高度是 200像素。这个是很有趣！
- 如果把 s200 换成 s100, 得到图片高度是 100像素。
- 实际上，把 s200 换成任意的 s【XXX】, 服务器就会自动给你想要的尺寸。
- 如果是 s0, 那么是 原始尺寸。
- 如果 s200 不加的话，默认会返回 s1600
看了2-3个小时的奥运会， 感觉内心空虚。 写点代码。 不知道做什么，随便搞一下爬虫，积累一点经验， 写篇博客，记录一下。
1. 注意检查响应头
情况描述:
对于这样一个 图片的 url https://blogger.googleusercontent.com/img/a/AVvXsEjZ5whhS_q0FYJHMI1Zmubr8JVb6EaTSH37a5iKs-mY-NHuchpesWGTLJSI8u138t-l_iqy5q66Yw2k0Dlb9hmIxQh7EEwOquiU8LnhS5zwKv28bXtQHF6kR8r5xSFVpDOQNquTpxqq2f9nI-JkCEVRTczD6TRqUnOeZMew3gOdTIcI3ViR6k5EGjbw url 的结尾没有任何 .jpg但是我当我 按下 ctrl + S 保存图片的时候， 浏览器会自动识别出图片的名字是：
006AfEgvgy1gv4vigvqbqj61x32z64qq02.jpg浏览器是如何识别出来的呢
问了一下chatpgt ，答案是: Content-Disposition 的响应头
完整的聊天记录是
其实这个问题，我首先问的是 kimi ai, 结果回答得很垃圾。
然后我检查了自己的响应头, 果然发现了这个文件名，就是下图中的 filename
2. 第二个经验，就是多琢磨。有时候即便是"瞎碰", 也需要多“碰”几次。
情况描述:
我在检查 img 标签的时候， 发现它提到的原始的尺寸是 4032 * 2525, 但是打开的图片，就是找不到原始的尺寸。
- kimi 说删掉 url 中的 s1600，我试了，不对。
- 我把 s1600/ 以及后面的全删掉，还是不对。
- 其他尝试，也不对。
最终的办法是； 把 s1600 换成 s0, 就获取到原始的图片尺寸了。
解决办法的来源
来源就是，多观察，多尝试。此页面提供了几百篇内容，我看看最老的，又看看最新的，发现它的内容，以及格式其实是有变化的。 前期都是 s0, 估计是后期 api 改版了，增加了 s1600, 为了降低服务器的压力。
3. 放一下图片。
