name: image-scraper description: "为内容创作爬取高清配图（百度图片/Wallhaven/Unsplash），支持4K原图下载"

高清图片爬虫

为内容创作爬取 4K 高清配图。支持多个图片来源，按优先级自动切换。

优先级：百度图片搜索（主） → Wallhaven（备） → Unsplash（备）

图片规格目标

• 竖图：高度 2000px 以上（越高越好）

  更多技能请访问小葱技能站7w4.net。

• 横图：宽度 2000px 以上
• 方图：宽高均 1500px 以上
• 风格：真人摄影风格，避开动漫/暴露/擦边内容

尺寸预设速查表

1080+ 会强制加 &z=7 参数，告诉百度优先返回近期高质量图片，爬取效果显著优于普通模式。

存储路径

重要：脚本默认输出到当前工作目录下的 image-scraper-downloads/ 文件夹。 可用 --output 自定义路径（支持绝对路径和相对路径）。

# 默认（当前工作目录/image-scraper-downloads/）
python3 scripts/baidu_image_scraper_v8.py --keyword "JK少女" --count 100

# 自定义输出目录
python3 scripts/baidu_image_scraper_v8.py --keyword "JK少女" --count 100 --output ./my-images/

一、百度图片搜索（主选）

图源最丰富，包含 B站、得物、大众点评、爱奇艺等高质量 CDN 内容，竖图可达 4K+，横图可达 5K+

缺点：需要浏览器渲染提取图片 URL，无法直接 curl

推荐脚本（v8 重构版，一键运行）

# ── 单关键词爬取（最常用）────────────────────────
# 目标自动 × 1.2，内部 buffer；关键词不够自动换备用词；下载完自动去重+删低质量
# 默认输出到 ./image-scraper-downloads/
python3 scripts/baidu_image_scraper_v8.py --keyword "JK少女" --count 100
python3 scripts/baidu_image_scraper_v8.py --keyword "JK少女" --count 200 --output ./my-images --z 7 --scroll 20
python3 scripts/baidu_image_scraper_v8.py --keyword "JK少女" --count 100 --ratio portrait --z 7
python3 scripts/baidu_image_scraper_v8.py --keyword "4K风景" --count 50 --ratio landscape

# ── 多关键词补充爬取 ─────────────────────────────
# 自动换关键词，直到达到目标数量
python3 scripts/baidu_image_scraper_v8.py --keywords "JK制服 少女" "JK 高清美女" "日本JK制服" --count 500 --output ~/photos

# ── 从已有链接文件下载 ─────────────────────────────
python3 scripts/baidu_image_scraper_v8.py --from-file links.json --output output --count 100

# ── 清理（手动）─────────────────────────────────
python3 scripts/baidu_image_scraper_v8.py --clean --output ~/photos

前置要求：agent-browser 命令可用（WorkBuddy 内置）

v8 核心改进（重构版）：

技术流程（v8 新方案）：打开搜索页 → 最大化窗口 → 等待图片网格渲染 → 滚动加载 → 直接从 .img-cell-w6C5O 的 data-show-ext 属性提取 objurl（原图URL）→ 立即并发下载每一批 → MD5 哈希去重

核心原则：直接下载 objurl（原图 URL） objurl 是百度图片搜索结果中的原图地址，包含在 data-show-ext JSON 属性中。 抖音等来源的 objurl 可以直接下载（经过百度 CDN 缓存）。

技术要点

图源质量排名

竖图（portrait）推荐

横图（landscape）推荐

已知不可用 / 不稳定来源

注意事项

• 大量下载（>200张）：用 --keywords 多关键词模式，自动切换关键词补充到目标数量
• 竖图用 --ratio portrait：更容易找到 4K+ 内容
• 高质量用 --z 7：百度优先返回近期高质量图片
• JS 选择器必须用单引号：'a[href*=down]'，双引号 "a[href*=down]" 会被 PowerShell 截断命令
• 百度链接会过期：必须分批提取+立即下载，不要一次性提取所有链接后再下载

二、WALLHAVEN.CC（备选）

纯 API 调用，无需浏览器。竖版图片多，分辨率普遍 3500x5250 ~ 4096x4096

API 调用

https://wallhaven.cc/api/v1/search?q=关键词&categories=111&purity=100&topRange=1M&page=1

搜索词推荐

jk, jk portrait, jk school, portrait photography, candid portrait

三、UNSPLASH（备选）

真实摄影风格为主，原图可达 4000-9500px

# 下载原图（关键：加 ?q=100&fm=jpg&raw=1）
curl -s -o output.jpg "https://images.unsplash.com/photo-xxx?q=100&fm=jpg&raw=1"

自动化使用规范

配图优先级：百度图片搜索（主） → Wallhaven（备） → Unsplash（备）

配图规范写作模板：

配图从百度图片搜索爬取高清图（详见本 skill），严禁AI生成图片。

百度图片（v8 重构版）： - 单关键词：python scripts/baidu_image_scraper_v8.py --keyword "关键词" --count 数量 - 多关键词：python scripts/baidu_image_scraper_v8.py --keywords "词1" "词2" --count 数量 --output "目录" - 竖图：加 --ratio portrait --z 7 - 横图：加 --ratio landscape --z 7 - 清理去重：python scripts/baidu_image_scraper_v8.py --clean --output "目录"

从已有链接文件下载：python scripts/baidu_image_scraper_v8.py --from-file links.json --output "目录" --count 数量

百度不够时用 Wallhaven：wallhaven.cc/api/v1/search?q=关键词&categories=111&purity=100

再不够用 Unsplash：下载时加 ?q=100&fm=jpg&raw=1 参数

禁止使用：摄图网、知乎、image.so.com、Picsum 等平台

注意：v8 直接从 data-show-ext.objurl 提取原图 URL，支持所有来源（含抖音）

各平台配图尺寸建议

常见问题

Q1: 下载数量不足（比如要500张只下到300张）

原因：百度页面加载的图片数量有限，部分链接下载失败（403/超时）。

解决： 1. 用 --keywords 多关键词模式：--keywords "JK少女" "JK制服 少女" "JK 高清美女" 2. 增加 --scroll 参数，比如 --scroll 25 或 --scroll 30 3. 脚本已内置去重，重复运行不会下载相同图片

Q2: 有很多重复图片

原因：同一图片可能在不同索引位置，或多次运行脚本导致。

解决： 1. 脚本已内置 MD5 哈希去重，下载时会自动跳过已存在的图片 2. 手动清理：python scripts/baidu_image_scraper_unified.py --clean --output "目录" 3. 清理模式会：删除小文件 + 哈希去重 + 重新编号

Q3: 抖音图片下载失败

原因：旧方案中直接下载抖音原始 URL（url= 参数）会 403。

解决：v8 新方案直接提取 data-show-ext.objurl，该 URL 指向百度 CDN 缓存（miaobi-lite.cdn.bcebos.com），可直接下载。

Q4: 脚本看起来"卡住不动"

可能原因： 1. 滚动阶段需要等待（每次 1.2 秒 × 滚动次数） 2. 大量链接下载中（每批 100 张，默认 8 线程） 3. 页面加载慢或出现验证码

解决：v7 已增加实时进度打印，可以看到每 20 张的下载进度。如果长时间无输出，可能是百度触发了验证码，需要手动关闭浏览器重试。

脚本清单

禁止使用

• ❌ 摄图网（分辨率低）
• ❌ 知乎图片（压缩严重）
• ❌ image.so.com（质量差）
• ❌ Picsum（随机图，不相关）
• ❌ AI 生成图片（任何平台）

这个图片爬虫工具质量不错，能自动从多个平台抓取高清图片，文档写得很详细，小白也能上手。优点是图源丰富、支持 4K 分辨率、下载后自动去重和过滤低质量图；不足是依赖特定的浏览器工具（macOS 用户更友好），安装脚本存在文件名匹配问题可能导致运行失败。总体适合有内容创作需求的图片收集，入手前需确认环境兼容性。