Twitter 图片爬虫：下载每一张图片

#Twitter 图片爬虫是如何工作的

无论运行在什么上，每个 Twitter 图片爬虫都在做同样的三件事。如果只是一条帖子，这三件事你都不需要：把它的链接粘贴到免费的媒体下载工具里，就能以原始大小保存每张照片。如果是几百几千张图片，这项工作是这样的：

1. 找出带照片的帖子。 X 的搜索运算符 filter:images 只保留至少带一张图片的帖子，可以用 from: 限定在某个账号，也可以针对任意话题。

2. 读取每张照片的链接。 每张图片都放在 X 的媒体服务器上，链接形如 https://pbs.twimg.com/media/G4kQ2vXbIAAm7Rz.jpg。

3. 下载原图。 请求那个链接时加上 ?format=jpg&name=orig；不加的话，X 发来的是一份适配 1,200 像素的副本。

各种工具的差别在第 1 步，也就是帖子从哪里来。x.com 对未登录的访客只显示单条帖子和一个主页最新的几条帖子，并把搜索导向登录页面。所以浏览器扩展、桌面下载器和命令行工具都要通过已登录的账号读取 X。它们自己的文档就是这么说的：一个广泛使用的批量下载器会要求你提供 auth_token cookie，并警告这可能导致账号被封禁。

只有 API 才能拿到整个账号的图片：要么是带开发者账号和 OAuth 的官方 X API，要么是只需一个密钥的 Twitter/X 数据 API。

如何抓取 Twitter指南涵盖了每条途径以及会被什么打断，最佳 Twitter 爬虫盘点则逐个为这些工具标价。

#下载 X 账号的每一张图片

Sorsa API 是一款 Twitter（X）API 与爬虫，它把账号的图片帖子以 JSON 返回，每张照片的链接都在其中，每次请求约 20 条帖子，可回溯到 2006 年。四步就能从一个用户名走到一个装满原始文件的文件夹。

1. 获取密钥。 注册后从控制台复制 API 密钥。前 100 次请求免费，无需绑卡。

2. 搜索账号的图片帖子。 把 from: 加上 filter:images 发给 POST /search-tweets（在新标签页打开），并把 order 设为 latest，让最新的排在前面。

   curl -X POST "https://api.sorsa.io/v3/search-tweets" \
     -H "ApiKey: YOUR_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{"query": "from:northfield_photo_lab filter:images",
          "order": "latest"}'
   

   {
     "tweets": [
       {
         "id": "1984213377309245441",
         "created_at": "2026-10-30T14:12:09Z",
         "full_text": "Fog over the north ridge this morning.",
         "likes_count": 412,
         "entities": [
           {
             "type": "photo",
             "link": "https://pbs.twimg.com/media/G4kQ2vXbIAAm7Rz.jpg",
             "preview": "https://pbs.twimg.com/media/G4kQ2vXbIAAm7Rz.jpg"
           },
           {
             "type": "photo",
             "link": "https://pbs.twimg.com/media/G4kQ2vZaQAEw9Lp.jpg",
             "preview": "https://pbs.twimg.com/media/G4kQ2vZaQAEw9Lp.jpg"
           }
         ],
         "user": {
           "username": "northfield_photo_lab",
           "display_name": "Northfield Photo Lab",
           "media_count": 1840
         }
       }
     ],
     "next_cursor": "DAADDAABCgABG8vZ0Qm__-oKAAIbuv3MBVvA0AgAAwAAAAIAAA"
   }
   

   显示完整响应

3. 沿着 cursor 往下读。 cursor 是标记下一页从哪里开始的令牌：把 next_cursor 放进下一次请求的请求体里发回去，直到它返回为空。

4. 以原始尺寸保存每张照片。 脚本只保留 photo 实体，把每个链接改写为 name=orig，并把文件命名为 <post id>_<n>.jpg。它把每个文件记录在 images.csv 里，并在每一页之后保存 cursor，所以中途停下的任务可以从断点继续。

   import csv
   import os
   import sys
   import time
   from urllib.parse import parse_qs, urlparse
   
   import requests
   
   API = "https://api.sorsa.io/v3/search-tweets"
   HEADERS = {"ApiKey": "YOUR_API_KEY"}
   
   
   def orig(url):
       """Rewrite a pbs.twimg.com image link to its original size."""
       u = urlparse(url)
       path = u.path
       fmt = parse_qs(u.query).get("format", ["jpg"])[0]
       if "." in path.rsplit("/", 1)[-1]:
           path, fmt = path.rsplit(".", 1)
       fmt = fmt.split(":")[0]
       return f"https://pbs.twimg.com{path}?format={fmt}&name=orig", fmt
   
   
   def photo_urls(tweet):
       """Original-size links of every photo in a post."""
       for e in tweet.get("entities") or []:
           if e.get("type") != "photo":
               continue
           for link in (e.get("link"), e.get("preview")):
               if link and "pbs.twimg.com/media/" in link:
                   yield orig(link)
                   break
   
   
   def post(body):
       while True:
           r = requests.post(API, headers=HEADERS, json=body, timeout=60)
           if r.status_code == 429:  # over 20 requests a second: wait
               time.sleep(1)
               continue
           r.raise_for_status()  # 403: no key, or no requests left
           return r.json()
   
   
   def download(query, folder):
       os.makedirs(folder, exist_ok=True)
       state = os.path.join(folder, "cursor.txt")
       body = {"query": query, "order": "latest"}
       if os.path.exists(state):  # resume a stopped run
           body["next_cursor"] = open(state).read().strip()
       log_path = os.path.join(folder, "images.csv")
       with open(log_path, "a", newline="", encoding="utf-8") as f:
           log = csv.writer(f)
           while True:
               page = post(body)
               for t in page.get("tweets", []):
                   for n, (url, fmt) in enumerate(photo_urls(t), 1):
                       path = os.path.join(folder, f"{t['id']}_{n}.{fmt}")
                       if os.path.exists(path):
                           continue
                       img = requests.get(url, timeout=60)
                       img.raise_for_status()
                       with open(path, "wb") as out:
                           out.write(img.content)
                       log.writerow([t["id"], t["created_at"], url, path])
               cursor = page.get("next_cursor")
               if not cursor:
                   break
               body["next_cursor"] = cursor
               with open(state, "w") as s:
                   s.write(cursor)
       if os.path.exists(state):
           os.remove(state)
   
   
   if __name__ == "__main__":
       download(sys.argv[1], sys.argv[2])
   

   import fs from "node:fs";
   import path from "node:path";
   
   const API = "https://api.sorsa.io/v3/search-tweets";
   const HEADERS = {
     ApiKey: "YOUR_API_KEY",
     "Content-Type": "application/json",
   };
   
   // Rewrite a pbs.twimg.com image link to its original size.
   function orig(link) {
     const u = new URL(link);
     let p = u.pathname;
     let fmt = u.searchParams.get("format") || "jpg";
     if (p.split("/").pop().includes(".")) {
       fmt = p.slice(p.lastIndexOf(".") + 1);
       p = p.slice(0, p.lastIndexOf("."));
     }
     fmt = fmt.split(":")[0];
     return [`https://pbs.twimg.com${p}?format=${fmt}&name=orig`, fmt];
   }
   
   function* photoUrls(tweet) {
     for (const e of tweet.entities ?? []) {
       if (e.type !== "photo") continue;
       const link = [e.link, e.preview]
         .find((l) => l?.includes("pbs.twimg.com/media/"));
       if (link) yield orig(link);
     }
   }
   
   async function post(body) {
     for (;;) {
       const r = await fetch(API, {
         method: "POST", headers: HEADERS, body: JSON.stringify(body),
       });
       if (r.status === 429) {          // over 20 requests a second: wait
         await new Promise((ok) => setTimeout(ok, 1000));
         continue;
       }
       if (!r.ok) throw new Error(`HTTP ${r.status}`); // 403: key or quota
       return r.json();
     }
   }
   
   async function download(query, folder) {
     fs.mkdirSync(folder, { recursive: true });
     const body = { query, order: "latest" };
     const log = path.join(folder, "images.csv");
     for (;;) {
       const page = await post(body);
       for (const t of page.tweets ?? []) {
         let n = 0;
         for (const [url, fmt] of photoUrls(t)) {
           const file = path.join(folder, `${t.id}_${++n}.${fmt}`);
           if (fs.existsSync(file)) continue;
           const img = await fetch(url);
           if (!img.ok) throw new Error(`HTTP ${img.status} for ${url}`);
           fs.writeFileSync(file, Buffer.from(await img.arrayBuffer()));
           fs.appendFileSync(log, `${t.id},${t.created_at},${url},${file}\n`);
         }
       }
       if (!page.next_cursor) break;
       body.next_cursor = page.next_cursor;
     }
   }
   
   await download(process.argv[2], process.argv[3]);
   

用一个搜索词和一个文件夹名运行它：python twitter_images.py "from:northfield_photo_lab filter:images" northfield_photo_lab。返回 403 表示密钥缺失或请求额度已用完；返回 429 表示一秒内超过 20 次请求，脚本会等一秒再重试。磁盘上已有的文件会被跳过，所以再次运行同一条命令只会补上新的图片。

须知

引用或转发带的是别人的照片：它们在 quoted_status.entities 和 retweeted_status.entities 里，而脚本把它们排除在外。想保留它们，就把这两个列表加进 photo_urls。想先估算任务规模，GET /info（在新标签页打开） 会返回账号的 media_count，也就是它发布过的照片和视频数量。

想逐条帖子遍历账号的时间线而不是搜索它，可以把用户名发给 POST /user-tweets（在新标签页打开）。它返回同样的推文对象，每次请求 20 条，所以 photo_urls 无需改动就能读取其中的图片；纯文字帖子也会一并返回，所以任务需要更多请求。

#抓取话题标签或搜索结果中的图片

同一个脚本可以收集任意话题的图片：只需更换查询。filter:images 可以与所有 X 搜索运算符组合，搜索可回溯到 2006 年。

• 一个话题标签

  查询

  #nightphotography filter:images

• 某个关键词在一个月内

  查询

  aurora filter:images since:2026-10-01 until:2026-11-01

• 只要热门图片

  查询

  #interiordesign filter:images min_faves:500

• 不含回复的账号

  查询

  from:northfield_photo_lab filter:images -filter:replies

• 同时查几个账号

  查询

  (from:northfield_photo_lab OR from:harborline_studio_co) filter:images

对于大话题，每个月一个日期窗口，各放进自己的文件夹运行。每次运行都不长，失败的那次也容易重来，而这些窗口还能在一个密钥上并行运行，所有套餐都是每秒最多 20 次请求。把 order 设为 popular 可以先看 X 的热门帖子，设为 latest 则是最新的。每个运算符及其示例，都在 Twitter 搜索运算符指南里。

话题标签下的图片会随着人们发帖而变化，所以监控任务要按计划重新运行最新的窗口。由于脚本会跳过已有的文件，并且只记录新文件，每次重跑只会补上自上次以来发布的图片。

#获取每一张图片的原始尺寸

X 完整保存每一次上传，但提供的是较小的副本，你拿到哪个副本，只取决于链接里的 name 值。2026 年 11 月 2 日，我们以 X 提供的所有尺寸请求了四张公开图片，并测量了返回的结果；下面的阶梯是 2026 年 10 月下旬发布的一张照片。

• 不带参数的链接是 medium 副本。 没有 name 的 pbs.twimg.com 链接，返回的是适配 1,200 像素的图片。
• large 最大到 2,048 像素，4096x4096 最大到 4,096。 比这更小的上传，会以它自己的尺寸返回。
• name=orig 返回上传的原文件。 对上面那张照片来说，就是 8,000 × 4,501 像素，像素数是不带参数链接的 44 倍。
• format=png 不会增加任何细节。 它把 JPG 上传重新编码成大好几倍的 PNG，而且对 JPG 使用 format=png&name=orig 会返回 404，所以请保留链接原有的格式。

从 pbs.twimg.com 下载只是一次普通的 HTTP 请求，不需要密钥，所以文件本身不消耗 API 请求：只有查找帖子才消耗。

#不写代码批量下载图片

不写代码的话，这项工作分成两步：先导出图片链接，再下载文件。

1. 导出近期帖子的链接。 免费的导出推文工具会把账号最新的帖子保存为带 media_urls 列的 CSV、Excel 或 JSON；请打开“仅含媒体的帖子”。

2. 导出整个账号或搜索结果。 在 API Playground 里，用你的密钥和 from:northfield_photo_lab filter:images 这样的查询运行 POST /search-tweets；它会替你沿着 cursor 往下读，并把每一页导出为 CSV 或 JSON。

3. 把链接变成原图。 把图片链接粘贴到下面的转换器里，复制它返回的原始尺寸链接。

4. 下载这份列表。 把链接载入任意接受 URL 列表的下载管理器，它一次运行就能保存全部文件。

   来自 X 的图片链接 https://pbs.twimg.com/media/G4kQ2vXbIAAm7Rz.jpg https://pbs.twimg.com/media/G4kQ2vZaQAEw9Lp?format=jpg&name=small https://pbs.twimg.com/media/G4jx81-WgAA0nHc.png:large

   每行一个，或粘贴整列 CSV。

   原始尺寸链接 3 个链接

   https://pbs.twimg.com/media/G4kQ2vXbIAAm7Rz?format=jpg&name=orig https://pbs.twimg.com/media/G4kQ2vZaQAEw9Lp?format=jpg&name=orig https://pbs.twimg.com/media/G4jx81-WgAA0nHc?format=png&name=orig

   复制链接

   粘贴任意数量的 pbs.twimg.com 链接，每行一个，或直接从 CSV 列粘贴；内容不会离开你的浏览器。

#批量下载图片要花多少钱

在 Sorsa API 上，图片帖子每 1,000 条 $0.07 起，因为约 20 条帖子的一页搜索结果就是一次请求，不管其中有多少张照片。在官方 X API 上，图片链接只能通过它的媒体扩展字段获得。从 2026 年 11 月 22 日起，X 对每张展开的图片计费（在新标签页打开） $0.005，叠加在 $0.005 的帖子读取之上：带一张图片的帖子每 1,000 条 $10.00，每条带四张时是 $25.00。

并排来看，获取这些帖子的不同方式，对你的要求和价格一样各不相同。

• Sorsa API

  需要什么

  一个 API 密钥

  每 1,000 条图片帖子的成本

  $0.07 起

• 官方 X API

  需要什么

  开发者账号和 OAuth

  每 1,000 条图片帖子的成本

  自 2026 年 11 月 22 日起 $10.00（帖子加一张图片）

• 扩展和下载器

  需要什么

  你的 X 登录或会话 cookie

  每 1,000 条图片帖子的成本

  免费或订阅制，账号有风险

官方 X API 的按量付费定价（在新标签页打开）同样在每个计费周期 300 万条帖子读取时封顶；超过之后，X 只出售 Enterprise 合同。在 Sorsa API 上，100 次免费请求可以覆盖约 2,000 条图片帖子，失败的请求从不收费，并且你所选套餐每 1,000 次请求的费率适用于所有接口。

时间由速率限制决定，所有套餐的每个密钥都是每秒 20 次请求。100 万条图片帖子需要 5 万次请求，在日期窗口并行运行时约 42 分钟；之后图片文件直接从 X 的服务器下载，速度取决于你的网络。

#获取指定帖子的图片

要获取你手上已有帖子的图片，可以把它们的链接或 ID 发给 POST /tweet-info-bulk（在新标签页打开）：每次请求最多 100 条帖子，每 1,000 条 $0.014 起，返回的 entities 列表与搜索结果相同。

curl -X POST "https://api.sorsa.io/v3/tweet-info-bulk" \
  -H "ApiKey: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"tweet_links": [
        "https://x.com/northfield_photo_lab/status/1984213377309245441",
        "1983850021164118016"]}'

单条帖子则带着 tweet_link 发给 POST /tweet-info（在新标签页打开）。把每张照片的链接交给同一个 orig 函数处理，就得到了原始大小的文件。在官方 X API 上，同样的查询需要 bearer 令牌加上 expansions=attachments.media_keys 和 media.fields=url，并且从 11 月 22 日起，返回结果中的每张图片还要加收 $0.005。

视频和 GIF 会在同一个 entities 列表里，以各自的 type 返回。它们的 MP4 文件和各种画质版本还要多一步，详见用 API 下载 Twitter 媒体指南；想要带媒体列的完整文本导出，请看如何下载用户的全部推文。

#开始你的第一次图片下载

要以完整尺寸下载 X 账号或搜索结果的每一张图片，可以用 Sorsa API：每次请求约 20 条图片帖子，每 1,000 条 $0.07 起，对你的 X 账号没有风险。复制脚本，填上你的密钥，100 次免费请求就能下载前 2,000 条图片帖子。

#常见问题