元ネタ：いかにしておっぱい画像をダウンロードするか〜2012 – ゆーすけべー日記


昔、yusukebeさんとは大学で同じ研究室だった。
俺がまともにプログラムを書けるようになったのは、研究室に入った時に新入生向けのyusukebeサブゼミに入って、Flashで実装されたRSSリーダーのソースコードを見せてもらったあたりがきっかけだった気がする。

俺も高校生が（Rubyで）プログラミングをはじめるきっかけになりたいので、Ruby版を作ってみました。
Rubyもこういうwebクローラーを作るのに向いている言語だし、最近のMacなんかには最初からインストールされているので試してみると良いよ。


まずjson gemをインストールする。

sudo gem install json


oppai.rb
#!/usr/bin/env ruby

require 'rubygems'

require 'open-uri'

require 'json'

require 'digest/md5'

require 'uri'

require 'kconv'



APP_ID = '' ## https://ssl.bing.com/webmaster/developers/appids.aspx から取得

API_URI = 'http://api.bing.net/json.aspx'



out_dir = './data'

Dir.mkdir out_dir unless File.exists? out_dir



page_count = 0

dl_count = 0



loop do

  params = {

    :AppId => APP_ID,

    :Version => 2.2,

    :Market => 'ja-JP',

    :Sources => 'Image',

    'Image.Count' => 50,

    'Image.Offset' => page_count * 50,

    :Adult => 'off',

    :Query => 'おっぱい'

  }

  

  url = API_URI + '?' + params.map{|k,v| "#{URI.encode k.to_s}=#{URI.encode v.to_s}"}.join('&')

  data = JSON.parse open(url).read.toutf8

  

  data['SearchResponse']['Image']['Results'].each do |entry|

    next unless entry['MediaUrl'] =~ /\.jpe?g$/i

    dl_count += 1

    fname = Digest::MD5.hexdigest(entry['MediaUrl'])+'.jpg'

    fpath = "#{out_dir}/#{fname}"

    next if File.exists? fpath



    puts "#{dl_count} : Download... #{entry['MediaUrl']}"

    img = open(URI.encode entry['MediaUrl']) rescue next

    img.close

    next unless img.content_type =~ /^image\/.+/i

    next if img.path.to_s.size < 1

    File.rename(img.path, fpath)

  end

  page_count += 1

end



並列ダウンロード版。parallelを使って10並列ダウンロードする。

gem install parallel


oppai_paralle.rb
#!/usr/bin/env ruby

require 'rubygems'

require 'open-uri'

require 'json'

require 'digest/md5'

require 'uri'

require 'kconv'

require 'parallel'



APP_ID = '' ## https://ssl.bing.com/webmaster/developers/appids.aspx から取得

API_URI = 'http://api.bing.net/json.aspx'



out_dir = './data'

Dir.mkdir out_dir unless File.exists? out_dir



page_count = 0

dl_count = 0



loop do

  params = {

    :AppId => APP_ID,

    :Version => 2.2,

    :Market => 'ja-JP',

    :Sources => 'Image',

    'Image.Count' => 50,

    'Image.Offset' => page_count * 50,

    :Adult => 'off',

    :Query => 'おっぱい'

  }

  

  url = API_URI + '?' + params.map{|k,v| "#{URI.encode k.to_s}=#{URI.encode v.to_s}"}.join('&')

  data = JSON.parse open(url).read.toutf8



  Parallel.each(data['SearchResponse']['Image']['Results'], :in_threads => 10) do |entry|

    next unless entry['MediaUrl'] =~ /\.jpe?g$/i

    dl_count += 1

    fname = Digest::MD5.hexdigest(entry['MediaUrl'])+'.jpg'

    fpath = "#{out_dir}/#{fname}"

    next if File.exists? fpath



    puts "#{dl_count} : Download... #{entry['MediaUrl']}"

    img = open(URI.encode entry['MediaUrl']) rescue next

    img.close

    next unless img.content_type =~ /^image\/.+/i

    next if img.path.to_s.size < 1

    File.rename(img.path, fpath)

  end

  page_count += 1

end