概要

諸事情で、ある有名人のTwitter上にあるファンアートを集めることになりました。

環境

名前を出すことができないので、仮に「ハリネズミ」の画像を集めることとします。
集めるべき画像は、Twitterで「ハリネズミ」「Hedgehog」と検索したときに表示される画像です。

google-images-downloadで「Twitterから『ハリネズミ』と検索したとき」に表示される画像を一括DLする。

googleimagesdownload -ri -cd "./chromedriver" -l 1000 -k "site:twitter.com ハリネズミ"

以下の2つを試しました。

Twitterの画像をDLするなら、TwitterのAPIを使おうというところで、「Twitter Search API」を使うことにしました。

自分の場合は、数年前に開発者登録をしてテスト用のAPIキーを発行していたので、そのAPIキーを使いました。
初めてTwitter開発者登録をされる方はここら辺を見るとよいかもしれません。

コードはGitHubにあげておきます。READMEを見ればすぐに使うことができます。
https://github.com/ntask19/collect_twitter_image

しかしながら、無料で検索できる範囲が過去7日間ということが判明し、Twitter Search APIでは要件を満たすツールが作れないことが判明しました…。

そこで、機械学習の画像集めに使われる「google-images-download」を使うことにしました。

詳細はこの記事を見るのが早いです。

pip install google_images_download

画像を1000枚以上一括DLするにはchromedriverが必要になるので、こちらからDLします。現在使っているGoogle Chromeとバージョンが合わないと正常に作動しないので注意が必要です。

ダウンロード後は、zipファイルを解凍してコマンドを実行するディレクトリの直下に置きます。

コマンドをtmpディレクトリ上で行う場合の設置例。

google-image-downloadの使い方は簡単で、以下のコマンドを実行すると、Googleで「ハリネズミ」と検索したときの画像を1000枚ダウンロードしてくれます。

googleimagesdownload -ri -cd "./chromedriver" -l 1000 -k "ハリネズミ"

普通に検索すると、Twitter以外の画像もDLしてしまうので、高度な検索をつかって、Twitterに投稿された画像のみをDLするようにしています。

googleimagesdownload -ri -cd "./chromedriver" -l 1000 -k "site:twitter.com ハリネズミ"

Twitter Search APIの実装に結構時間を喰った結果、使えないことが分かったので、もっと早くgoogle-image-downloadの存在に気づけばよかった…。