python抓取新浪微博配图

　　看着女神微博，总觉得女神微博的哪一张照片都好看，于是想用脚本把她微博相册中的微博配图全部抓下来。

　　一开始打开微博配图网页，打开开发者工具，查看网页源代码。其后，我直接右键查看网页源代码，发现网页源代码和开发者工具下看见的不一样，其中应该是浏览器加载了js,开发者工具看到了更多。因为爬虫的话，首选移动端，于是我打开移动端网页查看，这里面两者就是一样的。但是移动版照片好小，但是通过和网页版的比较，发现图片的地址有一定的关系，地址栏uuid一样，这就好办多了。

　　分析完，剩下的就是编码实现了，虽然学过Ruby，但是听说爬虫还是选择Python比较好，于是一边看语法，一边写代码。下面是源代码，其中技术实现分为主要三点：

　　１.登录。这里我直接用浏览器的Cookie登录，没有提交表单，省了不少代码，而且模拟表单登录，过一段时间可能不适用了，因为新浪会修改接口。其中把User-Agent参数带上，否则403。

        2.爬取移动版图片uuid拼凑出网页版大图片地址，其中移动版小图片没有logo，大图片的logo没有找到好的去除方式。

　　３.下载图片到本地。

import urllib2　　　　　＃2.7版本
import re
import requests
headers = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6',
'cookie': ''}        #输入您的Cookie  在chrome浏览器请求网页时可以看到好长的字符串</span>
count = 0
page = 27　　　　　　#微博相册页数，此处可以做优化，从１开始爬，直到没有。但是我为了按照时间来爬，就简单粗暴地处理了。
while page > 0:                                    
	req = urllib2.Request('http://weibo.cn/album/albummblog/?rl=11&fuid=3261134763&page='+ str(page), headers=headers) 
	r = urllib2.urlopen(req)
	data = r.read()
	p = re.compile(r'src="http://ww(.).sinaimg.cn/square/(.{32}).jpg" alt=')
	uuids = p.findall(data)
	urls = []
	for uuid in uuids:
		url = 'http://ww' + uuid[0] + '.sinaimg.cn/mw1024/' + uuid[1] + '.jpg'
		urls.append(url)

	urls.reverse()
	for url in urls:
		response = requests.get(url)
		if response.status_code == 200:
			count += 1
			f = open("/home/chen/mytest/crystal/"+ str(count) +".jpg", 'wb')
			f.write(response.content)
			f.close()

	page -= 1

<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">最后，我想说，Python的代码书写格式我一开始还真没注意＝＝</span>