gallery-dl项目:解决DeviantArt订阅内容下载问题技术指南
2025-05-18 04:24:36作者:宣海椒Queenly
问题背景
在使用gallery-dl工具下载DeviantArt平台内容时,许多用户遇到了无法下载订阅者专属内容的问题。尽管用户已经订阅了相关创作者,并且能够在浏览器中正常查看这些内容,但使用gallery-dl工具时仍然会收到"Only subscribers may have access to this download"的错误提示。
技术分析
这个问题的根源在于DeviantArt API的访问权限验证机制。gallery-dl工具默认使用公开API凭证(client-id 5388),这些凭证只能访问公开内容。要下载订阅者专属内容,需要满足以下两个条件:
- 使用个人OAuth应用凭证替代默认凭证
- 配置有效的用户会话信息(cookies)
解决方案详细步骤
第一步:更新gallery-dl到最新开发版本
首先需要确保使用的是包含最新修复的开发版本:
py -m pip install -U --force-reinstall https://github.com/mikf/gallery-dl/archive/master.tar.gz
安装完成后,通过以下命令验证版本号应为1.28.0-dev或更高:
gallery-dl --version
第二步:创建个人OAuth应用凭证
- 访问DeviantArt开发者门户创建新应用
- 获取应用的client-id和client-secret
- 注意:凭证应为5位数字,而非默认的4位(5388)
第三步:配置gallery-dl
- 创建或编辑配置文件:
gallery-dl --config-create
gallery-dl --config-open
- 在配置文件中添加以下内容:
{
"extractor": {
"deviantart": {
"client-id": "你的client-id",
"client-secret": "你的client-secret"
}
}
}
第四步:获取并配置用户会话
- 导出浏览器中的DeviantArt登录cookies
- 将cookies文件放置在gallery-dl可访问的位置
- 在配置文件中指定cookies路径
第五步:验证配置
运行以下命令验证配置是否生效:
gallery-dl --verbose -o public=0 https://www.deviantart.com/目标用户/art/作品ID
常见问题排查
-
API请求限制问题:如果遇到429 Too Many Requests错误,建议:
- 降低请求频率
- 增加请求间隔时间
- 确保使用个人凭证而非默认凭证
-
凭证未生效:检查配置文件路径是否正确,确保gallery-dl能够读取到配置文件
-
会话无效:定期更新cookies文件,确保登录状态有效
最佳实践建议
-
对于频繁下载大量内容的用户,建议:
- 设置合理的请求间隔
- 考虑分批下载
- 定期更新会话信息
-
对于开发者,可以:
- 实现自动化的cookies更新机制
- 添加错误重试逻辑
- 监控API使用情况
通过以上步骤,用户应该能够成功下载DeviantArt上的订阅者专属内容。如果仍然遇到问题,建议检查日志中的详细错误信息,并根据具体情况进行调整。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146