wikimedia-image-fetch

name	wikimedia-image-fetch
description	从 Wikimedia Commons 抓取自由许可的真实图片素材(产品/物品/场景)。用于 U 盘素材准备、文档配图等需要真实照片但无 API key 的场景。

Wikimedia Commons 图片抓取

无需 API key,无需登录,所有图片 CC 自由许可可直接商用。 适用:考试素材、产品图配图、博客配图等需要"真实图片"而非占位的场景。

何时用 vs 不用

用:需要真实物体照片、品牌原型、场景图,且没有 API key。 不用:需要矢量图 / 矢量 logo(用 Wikimedia 后缀会搜到 SVG 但渲染要 librsvg);或需要 Unsplash 风格的高质量摄影(用 source.unsplash.com 需 key)。

核心 API

1. 搜索 File 命名空间(图片搜图)

import requests
PROXY = "http://127.0.0.1:7890"  # WSL 下走 Clash 代理
HEADERS = {"User-Agent": "HermesBot/1.0 ([e-mail])"}  # 真实 UA,默认 python-requests 会被拦

r = requests.get(
    "https://commons.wikimedia.org/w/api.php",
    params={
        "action": "query",
        "list": "search",
        "srnamespace": 6,  # File: 命名空间
        "srsearch": "your keywords",
        "srlimit": 15,
        "format": "json",
    },
    headers=HEADERS,
    proxies={"http": PROXY, "https": PROXY},
    timeout=15,
)
hits = r.json()["query"]["search"]  # [{"title": "File:XXX.jpg", ...}, ...]

2. 拿图片直链

r = requests.get(
    "https://commons.wikimedia.org/w/api.php",
    params={
        "action": "query",
        "titles": "File:XXX.jpg",
        "prop": "imageinfo",
        "iiprop": "url",
        "iiurlwidth": 800,  # 缩略图宽度,无则原图
        "format": "json",
    },
    headers=HEADERS, proxies={"http": PROXY, "https": PROXY}, timeout=15,
)
url = r.json()["query"]["pages"][page_id]["imageinfo"][0]["thumburl"]

⚠️ 三个真实坑

坑 1: 搜结果包含 PDF/视频

srsearch 跨所有 File 类型,PDF/.svg/.webm/.ogv 都会出来。必须过滤:

SKIP_EXT = (".pdf", ".svg", ".webm", ".ogv")
for h in hits:
    title = h["title"]
    if any(title.lower().endswith(ext) for ext in SKIP_EXT):
        continue
    return title  # 第一张可用

否则会下到 PDF 封面而不是产品图(实测:bedside lamp 搜到 The Spirit lamp (serial) (IA spiritlampserial00doug).pdf)。

坑 2: summary API 返回错的缩略图

/api/rest_v1/page/summary/<title> 返回的 thumbnail.source 经常不准确(Apple Watch Ultra 2 搜到 Series 3 图)。直接用 search + imageinfo 两步法别图省事用 summary。

坑 3: 429 Too Many Requests

upload.wikimedia.org 限流。实测 sleep 60s 后恢复正常。代码里用 time.sleep(60) 重试一次即可。

完整可运行模板

见 scripts/fetch_wikimedia_images.py。

关键词技巧

• 品牌 + 型号:"Sony WH-1000XM4" 通常有图,但拼写要准
• 通用关键词:"modern lamp" / "side-by-side refrigerator" 命中率高
• 避免词:"product image"(太泛) / 纯品牌名(可能只搜到 logo SVG)

验证下载成功

from PIL import Image
img = Image.open(local_path)
pixels = list(img.getdata())
assert len(set(pixels[:5000])) > 10, "可能是纯色占位"

unique pixel 数 < 10 = 纯色块,> 100 = 真图。

参考

• API 文档: https://www.mediawiki.org/wiki/API:Main_page
• Commons: https://commons.wikimedia.org/