jrhu05 / Jerrywebspider
Programming Languages
jerryWebSpider
项目简介
jerryWebSpider是一个java爬虫实例集合，基于springboot构建，目前内含对tuwan网妹子图的爬虫。
出现了Python版本哦，请参阅“姊妹项目”！~~
更新历史
2018.12.8 初始提交
2018.12.17 增加leshe网爬虫
2019.1.7 原有tuwanSpider、lesheSpider由于接口升级等原因失效，作废。追加tuwanAlbumSpider和lesheAlbumSpider，对公开图片进行爬取
2019.1.23 对tuwanAlbumSpider进行版本更新，利用新的接口漏洞对全站图片进行爬取
2019.2.21 追加的tuwan序号为1286-1391的压缩包已更新到百度云
2019.2.22 追加的tuwan序号为1292-1442的压缩包已更新到百度云
2019.2.27 百度云资源被封禁，新的下载方式请见博客链接
2019.3.24 追加基于jerryWebSpider的url获取逻辑而转化的python27版本
2019.6.5 追加1-1400分块打包资源下载地址，下载方式为百度云，新的下载地址请见博客链接
项目模块
一、tuwanSpider
tuwan接口更新，此爬虫目前已失效，目前已无法直接下载压缩包，但可以逐张下载收费的图片，具体参见tuwanAlbumSpider。
提供对tuwan网妹子图、音乐的抓取及下载功能，程序主要逻辑集中在task包下的TuwanSpiderTask类与TuwanImageDownloadTask类，入口为TuwanSpiderController。
二、tuwanAlbumSpider
该爬虫提供对tuwan网妹子图的抓取及下载功能，程序主要逻辑集中在task包下的TuwanAlbumSpiderTask与TuwanAlbumImageDownloadTask类，入口为TuwanAlbumSpiderController。
三、lesheSpider
leshe程序更新，需要密码，此爬虫目前已失效。
提供对leshe网妹子图的抓取及下载功能，程序主要逻辑集中在task包下的LesheSpiderTask类与LesheImageDownloadTask类，入口为LesheSpiderController。
四、lesheAlbumSpider
提供对leshe网妹子图公开图片的抓取及下载功能，程序主要逻辑集中在task包下的LesheAlbumSpiderTask类与LesheAlbumImageDownloadTask类，入口为lesheAlbumSpiderController。
目录结构
运行说明
一、tuwanAlbumSpider运行说明
将代码clone到本地后。
1、使用navicat等工具新建mysql数据库，名称自定；
2、将db目录下的my_spider.sql导入数据库（该sql已经包括截止2019-01-23爬取到的最新数据，内含34669张tuwan图片下载地址）；
3、将项目导入idea或其他集成开发工具；
4、修改springboot配置文件application-dev.yml中的数据库配置及图片保存地址tuwan:album:imageStorePath；
5、启动项目；
6、图包地址爬取：访问http://你的IP:8088/tuwanAlbumSpider/startSpider?start=0&end=1500 即可对tuwan网id从0到1500的相册进行爬取；
7、图包批量下载：访问http://你的IP:8088/tuwanAlbumSpider/startDownLoadImage?start=1390&end=13901 可对前一步爬取到的图包进行下载，以本链接为例：下载从1390号图包开始，到1391号图包结束；
ps：系统默认会跳过已经下载过的图片，如果想重新下载需要将数据库中tuwan_album_images表对应记录的downloaded字段置为0
8、项目打包及服务器部署运行请自行搜索
二、lesheAlbumSpider运行说明
将代码clone到本地后。
1、使用navicat等工具新建mysql数据库，名称自定；
2、将db目录下的my_spider.sql导入数据库（该sql已经包括截止2018-12-17爬取到的最新数据），如在其他步骤中已经导入过该数据库则无需新建数据和导入数据库；
3、将项目导入idea或其他集成开发工具；
4、修改springboot配置文件application-dev.yml中的数据库配置及图包保存地址leshe:album:imageStorePath；
5、启动项目；
6、图包地址爬取：访问http://你的IP:8088/lesheAlbumSpider/startSpider 即可对全站公开图进行爬取；
7、图包批量下载：访问http://你的IP:8088/lesheAlbumSpider/startDownLoadImage 即可对前一步爬取到的图片进行下载；
8、项目打包及服务器部署运行请自行搜索
姊妹项目
1、对tuwanAlbumSpider基于Python的实现
tuwan_crawle
作者：ignnonster
项目地址：https://github.com/bignnonster/tuwan_crawler
说明：基于jerryWebSpider的url获取逻辑而转化的python27版本。适用于没有java、mysql环境的同学。
其他
以上案例、代码及说明仅供测试使用，请勿用于商业用途。如需转载请注明出处，如代码运行或测试过程中发现问题或bug请发起issues。
资源打包下载见