Pixiv-Crawler

这是一个scrapy框架的爬虫 基于win10、Python 3.6.2 64位、Scrapy 1.4.0开发
在Ubuntu 16.04、Python 3.5.2 64位
Archlinux、Python 3.6.2 64位
win10、Python 3.6.2、Python 3.5.2下测试成功

注意

2021/10/01 update: 此repo已经很久没有维护，应该是不可用了，不推荐代码参考以外的用途

2018/11/21 update: P站又改网页了，由于个人原因，短期内不会更新代码，目前已知按作者爬取已不可用， 但按收藏爬取和按搜索关键词爬取仍然是可用的。

功能

• 我的收藏导出
• 画师作品导出
• 搜索图片导出
• 日榜导出
• 所有导出均支持图片大小筛选
• 指定导出位置

未完成部分

• 增加一些其他的插画网站
• 一些细节
• 多图片网页暂不能命名文件

requirements

• python
• scrapy
• requests
• pillow
• pypiwin32 // 可能需要
• imageio //下载gif时需要
• 如果还缺少什么，一般直接pip install就可以了

使用方法

先在settings.ini进行配置，然后在main.py文件目录下进入cmd, 输入python main.py

Setting文件配置说明

[PRJ]  
/* 
四种执行方式之一
COLLECTION  收藏
COLLECTION_PRIVATE 非公开收藏
ARTIST 画师作品
SEARCH 搜索内容
DAILY 日榜
*/
TARGET = COLLECTION  
ACCOUNT = 
PASSWORD = 

[IMG] 
MIN_WIDTH = 0	//图片筛选条件
MIN_HEIGHT = 0
MIN_FAV = 0		
STORE_PATH = ./images		// 图片储存目录，默认为工程目录下的image
R18 = False		//仅下载R18
MULI_IMG_ENABLED = False	// 是否下载图集

[ART]	// 不受IMG中的收藏数限制
ID = 123456 // 画师ID，多个以空格分隔

[SRH]
TAGS = TAG_A TAG_B ... // 搜索内容

[DAILY] // 不受IMG中的收藏数限制

其他

• 如果在浏览器无法登陆pixiv或爬取时速度较慢，可以尝试修改host文件
• 由于P站限制，搜索功能最多搜索1000页，可以通过添加类似“1000users入り”（不含引号）这样的tag来缩小搜索范围
• 请确保用户语言为简体中文
• 如果提示setting文件编码问题，请尝试在编辑settings.ini文件时使用utf-8编码

版本日志

V1.2.3

增加对COLLECTION中爬取内容的追踪，过滤曾经爬过的图片，以支持个人收藏的快速更新
对文件存储结构和打印日志部分的优化
支持爬取非公开收藏

V1.2.2

应对Pixiv的页面改动，修改了部分数据的获取接口
由于找不到接口，不再支持Gif文件（如果找到了，还请通知一下）

V1.2.1

指定目录不存在时自动创建
增加图集的下载和Title抓取
同时抓取图片相关信息，以json格式存储
存储cookie以自动登录

V1.2.0

增加了日榜导出功能
增加了settings文件格式检查

V1.1

可以同时添加多个画师
修复搜索时日语编码问题
修改了setting文件结构，可以配置默认账号密码
修复了打印日志上的一些问题

V1.0

初始版本

最后，初次写爬虫，写得不是很好，有任何问题欢迎指教