优先检查img标签的data-src、data-original等属性获取高清原图链接，若缺失则查看父级a标签href或json响应；对懒加载和spa站点需用playwright渲染后提取，下载时须设置user-agent和referer并校验content-type。
识别网页中真正的高清原图链接
很多网站的图片展示页用的是缩略图，src 属性指向的是小图（比如带 _thumb、@2x 或尺寸参数的 URL），直接下载会拿到低清图。真正原图往往藏在 data-src、data-original、href（如果图片被 <a></a> 包裹）、或 JSON 响应里。
实操建议：
- 用浏览器开发者工具（Ctrl+Shift+I）切换到「Network」→「Img」或「XHR」，刷新页面，观察图片请求的真实 URL，尤其注意响应头中的
Content-Type: image/xxx和实际返回尺寸 - 优先检查
img标签的data-src和data-original属性；若没找到，再看父级a的href是否指向大图 - 对单页应用（SPA）站点，原图可能由 JS 动态注入，需用
selenium或playwright渲染后提取，不能只靠requests + BeautifulSoup - 注意 URL 中的尺寸参数（如
?imageView2/1/w/300），删掉或替换为更大值（如w/2000）有时能获取原图，但不是所有 CDN 都支持
下载时避免 403 和反爬拦截
直接用 requests.get(url) 下载图片，大概率返回 403 Forbidden —— 因为多数图床校验 User-Agent、Referer，甚至要求 Cookie 或 JS 执行环境。
实操建议：
- 必须设置
headers：至少包含User-Agent（模拟主流浏览器）和Referer（设为该图片所在网页 URL） - 若目标站有登录态校验（如某些图库），需先用
requests.Session()模拟登录，或导出浏览器 Cookie 注入请求 - 对 Cloudflare、Akamai 等防护，
requests通常无效，得换playwright启动无头 Chromium，用真实浏览器上下文发起下载 - 加随机延时（
time.sleep(random.uniform(1, 3))）防频率限制，别用固定秒数，否则容易被识别为脚本
保存图片前校验内容合法性
抓到的链接可能是 404、重定向到错误页、或返回 HTML（比如登录跳转页），直接写入文件会导致一堆“假图”（实际是 HTML 文件，扩展名却是 .jpg）。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
实操建议：
- 下载前检查响应状态码是否为
200，且response.headers.get('Content-Type')是否以image/开头（如image/jpeg、image/png） - 下载后用
imghdr.what()或python-magic库验证二进制内容是否真为图片，避免保存空文件或 HTML - 文件名别直接用 URL 最后一段（
os.path.basename(url)），要根据Content-Type或检测结果补全扩展名，例如jpeg→.jpg，png→.png - 注意并发下载时的文件冲突：用
uuid.uuid4().hex生成唯一文件名，或加锁写入
处理动态加载与懒加载图片
现代网页大量使用懒加载（lazy loading），图片 URL 存在 data-src 里，滚动才触发加载；还有些图藏在分页 AJAX 接口或无限滚动列表中，静态解析 HTML 根本拿不到全部链接。
实操建议：
- 用
playwright滚动到底部并等待图片加载完成：page.evaluate("window.scrollTo(0, document.body.scrollHeight)")，再等page.wait_for_timeout(2000) - 监听网络请求：启用
page.on("response", ...)，过滤出response.url包含.jpg、.png且response.status == 200的请求，直接捕获原图 URL - 对分页接口，先人工分析 XHR 请求规律（如
/api/photos?page=2），再用requests构造请求，比渲染整页更高效 - 不要依赖
img标签数量判断是否加载完毕——有些站点会预占位空img标签，src是 placeholder，得靠data-src是否非空来判断
真正难的不是“怎么下”，而是“怎么确认这是原图”。同一张图在不同站点可能有 3–5 种加载逻辑，每种都要单独适配；而图片防盗链策略也在不断升级，昨天有效的 Referer 今天可能就失效。留心 HTTP 响应头里的 X-Protected-By 或 Server 字段，它们常暗示背后用的是哪家 CDN，查对应文档比硬试更快。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
