看看图片命名有没有规律，有就用迅雷批量下来，没有就找个爬虫脚本改一改

wenbin5243 看看图片命名有没有规律，有就用迅雷批量下来，没有就找个爬虫脚本改一改

没有规律，都是乱码，爬虫脚本对我来说太高端了

甘博摄影集，zlibrary直接搜，216MB，质量应该和网站上的差不多，我下载了几张，原图都是几百KB。

---

看了下，下载的epub里的图片是压缩过的。

TinyTask录制操作，重复运行

让Gemini写了个爬虫，试了下可以下载，用图片描述来命名下载的图片。

将下面的代码保存到 download.py

命令行中输入 Python3 download.py 

按回车下载，会自动创建文件夹。

（需要安装python3，命令行中输入 pip3 install requests,lxml 安装依赖库）

import requests
from lxml import html
import os
import time
import re

# 定义错误日志文件的名称
ERROR_LOG_FILE = "error.md"

def download_images_with_combined_names():
    """
    爬取 Duke 大学仓库中的 Gamble 系列图片，并使用“页码_序号_图片描述”格式命名。
    下载失败时，将信息记录到 error.md 文件中。
    """
    # 主页基础 URL，在此基础上添加分页参数
    base_url = "https://repository.duke.edu/dc/gamble?f%5Bcommon_model_name_ssi%5D%5B%5D=Item"
    # 本地保存图片的文件夹
    download_folder = "gamble_combined_images"

    # 创建保存图片的文件夹
    if not os.path.exists(download_folder):
        os.makedirs(download_folder)
        print(f"创建了文件夹: {download_folder}")

    # 遍历所有250页
    total_pages = 250
    for page_num in range(1, total_pages + 1):
        page_url = f"{base_url}&page={page_num}"
        print(f"\n--- 正在处理第 {page_num} 页, URL: {page_url} ---")

        try:
            # 获取当前分页内容
            response = requests.get(page_url, timeout=10)
            response.raise_for_status()  # 检查请求是否成功
        except requests.exceptions.RequestException as e:
            print(f"获取第 {page_num} 页失败: {e}")
            continue

        # 解析分页 HTML
        tree = html.fromstring(response.content)
        image_blocks = tree.xpath('//div[contains(@class, "blacklight-image")]')

        if not image_blocks:
            print(f"第 {page_num} 页未找到任何图片信息块。")
            continue

        for i, block in enumerate(image_blocks, 1):
            # 找到缩略图链接
            thumbnail_link = block.xpath('.//img[contains(@class, "img-thumbnail")]/@src')
            if not thumbnail_link:
                continue
            thumbnail_link = thumbnail_link[0]

            # 格式化页码和序号
            page_str = f"{page_num:03d}"
            image_str = f"{i:02d}"

            # 查找图片描述
            image_description = block.xpath('.//a[@itemprop="name"]/text()')
            
            # --- 生成最终文件名 ---
            if image_description:
                base_filename = image_description[0].strip()
                base_filename = re.sub(r'[\\/:*?"<>|]', '', base_filename)
                base_filename = base_filename[:100].strip()
                final_filename = f"{page_str}_{image_str}_{base_filename}.jpg"
            else:
                final_filename = f"{page_str}_{image_str}.jpg"
            # --- 文件名生成结束 ---

            # 将缩略图链接替换为原图链接
            if '!350,350' in thumbnail_link:
                high_res_link = thumbnail_link.replace('!350,350', 'full')
            else:
                continue
            
            full_download_url = f"https://repository.duke.edu{high_res_link}"
            file_path = os.path.join(download_folder, final_filename)
            
            print(f"  > 正在处理第 {i} 个图片，文件名: {final_filename}")

            # 下载图片
            try:
                if not os.path.exists(file_path):
                    image_data = requests.get(full_download_url, stream=True, timeout=30)
                    image_data.raise_for_status()
                    
                    with open(file_path, 'wb') as f:
                        for chunk in image_data.iter_content(chunk_size=8192):
                            f.write(chunk)
                    print(f"  > 下载成功: {final_filename}")
                else:
                    print(f"  > 文件已存在，跳过: {final_filename}")
            except requests.exceptions.RequestException as e:
                # --- 核心修改：下载失败时记录日志 ---
                print(f"  > 下载失败: {e}")
                log_entry = f"- 序号: {page_str}_{image_str}, 描述: '{image_description[0].strip() if image_description else '无'}' 下载链接: {full_download_url}\n"
                with open(ERROR_LOG_FILE, 'a', encoding='utf-8') as log_file:
                    log_file.write(log_entry)
                print(f"  > 错误信息已记录到 {ERROR_LOG_FILE}")
                # --- 记录日志结束 ---

            time.sleep(0.5)

        print(f"\n第 {page_num} 页处理完毕。")
        time.sleep(2)

    print("\n所有图片处理完毕。")
    print(f"所有下载失败的记录已保存在 {ERROR_LOG_FILE} 文件中。")

if __name__ == "__main__":
    download_images_with_combined_names()

vDtv3vNZoE5d

厉害了大佬，历史贴都打分了

vDtv3vNZoE5d 让Gemini写了个爬虫，试了下可以下载，用图片描述来命名下载的图片。将下面的代码保存到 download.py命令行中输入 Python3 download.py&nbsp ...

大佬，这个PC也能用吗

skk4120356 大佬，这个PC也能用吗

能用，安装好Python3和依赖库，在CMD里输命令运行。或者你直接在书格网搜，我看了一些图片才想起来以前在书格网下载过PDF版，那里的也是从这个网站里下载整合的。

vDtv3vNZoE5d 能用，安装好Python3和依赖库，在CMD里输命令运行。或者你直接在书格网搜，我看了一些图片才想起来以前在书格网下载过PDF版，那里的也是从这个网站里下载整合的。

这里一共5525张，每个网页我都拉到EXCEL里了，就是要一个一个打开来，然后再下载

Downie能用么？别花钱！

https://bbs.oldmantvg.net/thread-54642.htm

skk4120356 这里一共5525张，每个网页我都拉到EXCEL里了，就是要一个一个打开来，然后再下载

不用，网址和下载规则已经写在代码里了，直接运行就能下载。

vDtv3vNZoE5d 不用，网址和下载规则已经写在代码里了，直接运行就能下载。

好像没有运行

skk4120356 vDtv3vNZoE5d 不用，网址和下载规则已经写在代码里了，直接运行就能下载。 好像没有运行

你得在脚本文件夹里输入这个命令啊...
在C盘新建一个文件夹gamble，把脚本放进去
cmd中输入cd C:\gamble，按回车
再输入python3 download.py

哈哈，没动静肯定是哪一步我没做好

skk4120356 哈哈，没动静肯定是哪一步我没做好

输入python3看一下，可能是安装时没勾选添加环境变量

vDtv3vNZoE5d 输入python3看一下，可能是安装时没勾选添加环境变量

你直接爬出所有图片 URL，让他丢到迅雷下载啥的，就行了吧。。😂

skk4120356 哈哈，没动静肯定是哪一步我没做好

看一下这个：https://old.shuge.org/ebook/gamble-photographs/

文件名：甘博的摄影集.Sidney D. Gamble Photographs.共5辑.1908-1932年
文件格式：PDF高清
文件夹大小：4.85G

如果必须得是图片格式的，我可以帮你下载完打包给你。

wxf666 你直接爬出所有图片 URL，让他丢到迅雷下载啥的，就行了吧。。😂

那不如我下载了打包给他呢……