Python逆向Sketchfab：自动化下载3D模型源码与贴图资源

简介：本资源是一套基于Python实现Sketchfab 3D模型自动化下载的完整源码工程，面向三维开发、游戏建模、VR/AR应用及Python进阶学习者，解决在实际项目中批量获取高质量公开3D资产的技术痛点。压缩包共5232个文件，主体为2471个Python脚本（含API调用、元数据解析、glTF/OBJ格式下载、错误重试与并发控制等核心逻辑），辅以763个编译字节码文件（pyc）、252个Tcl配置脚本及大量文本类辅助文件（如readme、changelog、license、metadata等），整体体积53.5MB，结构清晰、模块解耦，便于二次开发与调试。已有1474人学习下载，资源包含可直接运行的主程序、多模型ID批量处理模板、Sketchfab API密钥管理机制、主流3D格式下载链接提取逻辑，以及针对HTTP异常、限流响应、文件流保存等典型问题的健壮性处理方案，是构建私有3D模型库或自动化素材采集系统的实用起点。

1. 项目概述：从浏览到本地源码的自动化之路

每次在Sketchfab上看到一个惊艳的3D模型，无论是精致的角色、写实的场景，还是某个精巧的机械结构，心里总会痒痒的：这模型是怎么建出来的？它的材质贴图是怎么处理的？骨骼绑定和动画驱动又用了什么技巧？对于开发者、3D美术学习者或是任何想深入研究模型资产的人来说，能直接拿到模型的“源码”——也就是构成这个3D资产的所有原始文件，比如.blend、.fbx、.obj文件以及配套的纹理贴图、材质球设置，甚至是动画数据——其价值远超过仅仅在网页上预览。然而，Sketchfab作为一个展示和分享平台，其核心交互是通过WebGL进行在线渲染，并不直接提供模型源文件的下载入口，尤其是对于非“可下载”或需要付费的模型。

这就是“基于Python的Sketchfab模型源码下载”这个项目要解决的核心痛点。它不是一个简单的页面抓取，而是一个针对Sketchfab平台3D资产数据流进行逆向工程和自动化处理的综合工具。其目标是通过Python脚本，模拟浏览器行为，解析Sketchfab复杂的页面数据结构和API接口，最终将构成一个3D模型的完整数据包——包括网格、UV、贴图、材质信息等——自动化地、结构化地下载到本地，并尽可能还原成可被主流3D软件（如Blender, Maya, 3ds Max）直接编辑的源文件格式。这个过程涉及网络爬虫、API分析、数据解析、文件处理等多个技术领域的交叉应用。

适合阅读这篇分享的人包括：希望批量研究学习Sketchfab上优秀模型资产的3D技术美术；需要为机器学习或计算机视觉项目构建3D数据集的研究人员；想要自动化备份自己收藏或已购买模型资源的个人用户；以及对网络数据抓取、特别是针对复杂Web应用数据提取感兴趣的Python开发者。接下来，我将拆解这个项目的完整实现思路、关键技术细节以及我踩过的那些坑。

2. 核心思路与技术选型解析

在动手写代码之前，我们必须先搞清楚Sketchfab是如何在网页上呈现一个3D模型的，以及我们有可能从哪些渠道获取到模型的“源码”数据。盲目地开始写Requests抓取HTML，大概率会一无所获。

2.1 Sketchfab模型数据的构成与来源分析

一个在Sketchfab上展示的模型，其数据流可以粗略分为几个层次：

1. 元数据与展示信息：这是最表层的数据，包括模型标题、描述、作者、标签、多边形数、纹理尺寸等。这些信息通常直接嵌入在页面的HTML或初始的JSON状态数据中，相对容易获取。
2. 模型预览资源：为了快速加载和流畅预览，Sketchfab会提供多种精度的模型文件，通常是经过压缩和优化的glTF（.glb）格式。这些文件包含了简化后的网格、基础材质和低分辨率贴图，足以在网页端渲染。这是我们最容易接触到的“模型数据”，但它是优化后的结果，并非艺术家上传的原始“源码”。
3. 原始源文件：这是艺术家真正上传的“源码”，可能是.blend、.fbx、.ma、.max等。这些文件包含了最完整的建模历史、高精度贴图、复杂的材质节点、完整的动画数据等。Sketchfab不会主动提供这些文件的直接下载链接，除非模型作者明确设置了“允许下载”。我们的核心目标，就是尝试获取第2点中的glTF资源，并尽可能从中提取和重建出可用的信息。

那么，数据从哪里来？主要有三个入口：

• 页面静态分析：直接解析sketchfab.com/3d-models/xxx页面的HTML源码。我们可以搜索包含“model”、“viewer”、“application/json”等关键词的<script>标签。Sketchfab经常将模型的初始状态数据，以一个巨大的JSON对象形式，内嵌在某个<script id="json-model-data" type="application/json">标签中。这个JSON宝藏里可能包含模型UID、文件列表、贴图URL等信息。
• 网络请求嗅探：这是最有效的方法。打开浏览器的开发者工具（F12），切换到Network（网络）选项卡，然后刷新一个Sketchfab模型页面。你会看到大量XHR（Fetch）请求。重点关注那些返回JSON或二进制数据的请求。通常，会有一个指向api.sketchfab.com/v3/models/{model_id}或类似路径的请求，它返回模型的详细信息。更关键的是，用于获取模型文件本身的请求，其URL可能包含“files”、“download”等关键词，并且响应头可能带有Content-Type: model/gltf-binary或application/octet-stream。
• 官方API：Sketchfab确实提供了公开的REST API。查阅其官方文档，我们可以发现/v3/models/{uid}接口可以获取模型信息。但是，获取模型文件下载链接的接口通常需要OAuth2认证，并且仅对模型作者或拥有特定权限的用户开放。对于公开可下载的模型，API可能提供下载链接；但对于绝大多数模型，通过公开API直接获取源码文件是行不通的。因此，我们的策略将主要围绕前两点展开。

2.2 工具链选型与考量

基于上述分析，我们的技术栈需要包含以下几个部分：

1. 网络请求库：requests与httpx

   • requests是Python事实上的标准HTTP库，简单易用，生态丰富。对于大多数静态请求和简单的会话管理，它完全够用。
   • 我为什么有时会选择httpx？因为它原生支持HTTP/2，并且完全兼容requests的API。在Sketchfab这种现代网站上，某些API端点可能使用HTTP/2，httpx会有更好的性能。此外，httpx的异步客户端对于需要并发下载多个模型或大量贴图时，能极大提升效率。在本项目中，我会以requests为基础进行讲解，但会指出哪些环节用httpx异步处理能带来质变。

2. 浏览器自动化与渲染：selenium或playwright

   • 当页面数据是通过JavaScript动态加载，且难以从静态HTML或简单API请求中捕获时，就需要一个能真正运行JavaScript的“无头浏览器”。
   • selenium是老牌工具，功能强大，但配置稍显繁琐（需要下载对应的浏览器驱动，如chromedriver）。
   • playwright是后起之秀，由微软开发。它的优势在于开箱即用（能自动下载浏览器）、API更现代简洁，并且对动态页面的等待和选择器支持更好。对于Sketchfab这种重度依赖WebGL和前端框架的SPA（单页应用），playwright往往是更可靠的选择。我们可以用它来打开页面，等待模型数据加载完成，然后直接从浏览器上下文中提取内嵌的JSON数据或拦截网络请求。

3. 数据解析与处理：json,re(正则表达式)

   • 从HTML中提取JSON字符串，或者直接解析API返回的JSON数据，离不开Python内置的json库。
   • 正则表达式re则用于从复杂的HTML文本或JavaScript变量中，精准地抓取我们需要的片段，比如那个内嵌的JSON字符串。

4. 文件与路径管理：os,pathlib,shutil

   • 下载下来的模型文件（glb/bin）、贴图图片（jpg/png）需要有条理地保存。pathlib提供了面向对象的路径操作，比传统的os.path更直观。shutil用于文件的高级操作，如解压（如果下载到的是zip包）。

5. 并发下载加速：concurrent.futures或asyncio+aiohttp

   • 一个模型可能包含几十张甚至上百张贴图。如果一张一张顺序下载，会非常慢。使用线程池（ThreadPoolExecutor）或异步IO来并发下载这些静态资源，是提升效率的关键。

我的选型心得：对于这个项目，我推荐采用“playwright进行数据抓取 +requests/httpx进行资源下载”的混合架构。先用playwright打开页面，等待关键数据加载，并拦截或读取到模型文件的真实URL。然后，用更轻量、高效的requests或异步的httpx去执行大量的文件下载任务。这样既保证了数据获取的可靠性，又兼顾了下载环节的性能。

3. 实操步骤拆解：从URL到本地文件

下面，我将把整个过程分解为几个可操作的步骤。请注意，Sketchfab的前端代码和API结构可能会更新，这里的思路是通用的，但具体的选择器或JSON路径可能需要你根据实际情况进行调整。

3.1 环境准备与依赖安装

首先，创建一个干净的Python虚拟环境是个好习惯。

# 创建并激活虚拟环境 (以 conda 为例) conda create -n sketchfab-dl python=3.9 conda activate sketchfab-dl # 安装核心库 pip install requests httpx playwright beautifulsoup4 # 安装 playwright 所需的浏览器 playwright install chromium

注意：playwright install会下载Chromium浏览器，体积较大（约100MB），请确保网络通畅。选择Chromium是因为它兼容性好且开源。

3.2 步骤一：获取模型唯一标识符（UID）

Sketchfab上的每个模型都有一个唯一的标识符，通常体现在URL中。例如，在https://sketchfab.com/3d-models/low-poly-fox-7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9这个链接里，low-poly-fox-7f2d4e0e7f2d4e0e就是模型ID（实际上后面那串长字符才是UID，有时短链是别名）。我们需要提取它。

import re from urllib.parse import urlparse def extract_model_uid(url): """ 从Sketchfab模型URL中提取UID。 支持多种格式： - https://sketchfab.com/3d-models/低多边狐狸-7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9 - https://sketchfab.com/models/7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9 - https://sketchfab.com/3d-models/7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9 """ parsed = urlparse(url) path_parts = parsed.path.strip('/').split('/') # 通常UID是路径的最后一部分，且符合UUID的格式（32位十六进制数字，可能带有连字符） potential_uid = path_parts[-1] # 使用正则表达式匹配UUID格式 uid_pattern = r'[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}' match = re.search(uid_pattern, potential_uid) if match: return match.group(0) else: # 如果没有匹配到UUID，可能URL使用的是短名或别名，此时整个最后一段可能就是ID（但非标准UID） # 这种情况下，可能需要进一步请求页面来获取真实UID。这里先返回原值。 return potential_uid # 示例 url = "https://sketchfab.com/3d-models/low-poly-fox-7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9" model_uid = extract_model_uid(url) print(f"提取到的模型UID: {model_uid}")

3.3 步骤二：抓取页面数据，定位模型资源信息

这是最核心也最复杂的一步。我们将使用playwright来加载页面并提取数据。

from playwright.sync_api import sync_playwright import json import time def fetch_model_data_with_playwright(model_url): """ 使用Playwright打开模型页面，并尝试提取内嵌的模型数据。 """ model_data = None with sync_playwright() as p: # 启动浏览器，headless=False可以看到浏览器操作，调试时有用。 browser = p.chromium.launch(headless=True) # 生产环境设为True context = browser.new_context( viewport={'width': 1920, 'height': 1080}, user_agent='Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36' ) page = context.new_page() # 监听并拦截网络响应，寻找可能包含模型文件信息的请求 def on_response(response): # 可以在这里打印所有请求的URL，帮助定位 # print(response.url) if 'api.sketchfab.com/v3/models' in response.url and 'download' in response.url: print(f"发现可能的下载API: {response.url}") # 这里可以尝试解析response.json()，但注意可能需要认证 pass # 有时模型数据会通过一个特定的graphql请求发送 if 'graphql' in response.url and response.status == 200: try: data = response.json() # 可以在这里探索data的结构，寻找模型资源 except: pass page.on('response', on_response) # 导航到模型页面 page.goto(model_url, wait_until='networkidle') # 等待网络基本空闲 # 方法1：尝试从内嵌的<script>标签中获取JSON数据 # Sketchfab经常把模型初始状态放在一个id为“json-model-data”的script标签里 script_selector = 'script#json-model-data[type="application/json"]' page.wait_for_selector(script_selector, timeout=10000) # 等待该元素加载 script_content = page.inner_html(script_selector) if script_content: try: model_data = json.loads(script_content) print("成功从<script>标签解析模型数据") # 此时model_data可能是一个巨大的JSON，包含模型信息、场景图、文件列表等 except json.JSONDecodeError as e: print(f"解析JSON失败: {e}") # 方法2：如果方法1失败，尝试从页面全局变量中获取 if not model_data: try: # Sketchfab也可能将数据挂在window.__INITIAL_STATE__等变量上 initial_state = page.evaluate('JSON.stringify(window.__INITIAL_STATE__)') if initial_state and initial_state != 'null': model_data = json.loads(initial_state) print("成功从window.__INITIAL_STATE__获取数据") except Exception as e: print(f"从window变量获取数据失败: {e}") # 给一点时间让网络监听器捕获请求 time.sleep(3) # 关闭浏览器 context.close() browser.close() return model_data # 使用示例 url = "https://sketchfab.com/3d-models/low-poly-fox-7f2d4e0e7b3c4e6e9f0b7e0e7b3c4e6e9" data = fetch_model_data_with_playwright(url) if data: # 将数据保存下来以便分析结构 with open('model_data_dump.json', 'w', encoding='utf-8') as f: json.dump(data, f, indent=2, ensure_ascii=False) print("模型数据已保存到 model_data_dump.json，请打开此文件分析结构。")

运行这段代码后，你会得到一个model_data_dump.json文件。用文本编辑器打开它，你需要像侦探一样仔细分析这个JSON的结构。你需要寻找的关键路径可能是这样的：data -> model -> viewerUrl或者model -> files。重点寻找包含glb、usdz、bin、textures等关键词的字段，以及它们的url、size、width、height等信息。

3.4 步骤三：解析数据结构，提取资源URL

假设通过分析model_data_dump.json，你发现模型文件信息位于model['files']这个列表中，每个文件是一个字典，包含url、size、type等字段。其中type可能是'model'或'texture'。

def extract_resource_urls(model_data): """ 从解析出的模型数据中，提取模型文件和纹理贴图的下载URL。 这个函数高度依赖于你分析出的实际JSON结构。 """ resources = {'models': [], 'textures': []} # 示例路径，你需要根据实际的 model_data 结构进行调整！！！ # 假设模型文件信息在 model_data['model']['files'] 中 try: files = model_data.get('model', {}).get('files', []) for file_info in files: file_url = file_info.get('url') file_type = file_info.get('type', '').lower() if not file_url: continue if 'model' in file_type or file_url.endswith('.glb') or file_url.endswith('.gltf'): resources['models'].append({ 'url': file_url, 'name': file_info.get('name', 'model'), 'size': file_info.get('size') }) elif 'texture' in file_type or any(ext in file_url.lower() for ext in ['.jpg', '.jpeg', '.png', '.webp']): resources['textures'].append({ 'url': file_url, 'name': file_info.get('name', 'texture'), 'size': file_info.get('size'), 'width': file_info.get('width'), 'height': file_info.get('height') }) except KeyError as e: print(f"在解析文件列表时出错，数据结构可能已变化: {e}") # 尝试其他可能的路径... # 例如，有时数据在 model_data['data']['model']['files'] # 另一种常见情况：数据在 model_data['data']['model']['viewer']['files'] if not resources['models'] and not resources['textures']: print("未在默认路径找到文件，尝试其他路径...") # 这里需要你根据 dump 文件手动探索并编写新的提取逻辑 return resources # 使用示例 resources = extract_resource_urls(data) print(f"找到 {len(resources['models'])} 个模型文件") print(f"找到 {len(resources['textures'])} 张纹理贴图")

3.5 步骤四：实现资源下载与本地存储

获取到URL列表后，下载就相对直接了。但要注意以下几点：1) 添加请求头模拟浏览器；2) 处理可能存在的重定向；3) 实现错误重试机制；4) 对于大量贴图，使用并发下载。

import os from pathlib import Path import requests from concurrent.futures import ThreadPoolExecutor, as_completed def download_file(url, filepath, headers=None, max_retries=3): """下载单个文件，支持重试""" if headers is None: headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36', 'Referer': 'https://sketchfab.com/', 'Accept': '*/*' } for attempt in range(max_retries): try: response = requests.get(url, headers=headers, stream=True, timeout=30) response.raise_for_status() # 检查HTTP错误 # 确保目录存在 Path(filepath).parent.mkdir(parents=True, exist_ok=True) with open(filepath, 'wb') as f: for chunk in response.iter_content(chunk_size=8192): f.write(chunk) print(f"下载成功: {filepath}") return True except requests.exceptions.RequestException as e: print(f"下载失败 (尝试 {attempt+1}/{max_retries}): {url} - {e}") if attempt == max_retries - 1: return False time.sleep(2) # 重试前等待 return False def download_resources_concurrently(resources, base_dir='downloads', model_uid='unknown'): """ 并发下载所有资源。 """ download_dir = Path(base_dir) / model_uid download_dir.mkdir(parents=True, exist_ok=True) # 准备下载任务列表 download_tasks = [] # 下载模型文件（通常只有一个，但可能有不同LOD级别） for i, model_info in enumerate(resources['models']): ext = Path(model_info['url']).suffix or '.glb' filename = f"model_{i}{ext}" filepath = download_dir / filename download_tasks.append((model_info['url'], filepath)) # 下载纹理文件 textures_dir = download_dir / 'textures' textures_dir.mkdir(exist_ok=True) for i, tex_info in enumerate(resources['textures']): # 尝试从URL中提取原始文件名，否则用索引 tex_url = tex_info['url'] original_name = Path(tex_url).name # 清理可能的查询参数 original_name = original_name.split('?')[0] if not original_name or '.' not in original_name: original_name = f"texture_{i}.jpg" filepath = textures_dir / original_name download_tasks.append((tex_url, filepath)) # 使用线程池并发下载 successful = 0 failed = 0 with ThreadPoolExecutor(max_workers=5) as executor: # 控制并发数，避免被封IP future_to_url = {executor.submit(download_file, url, path): (url, path) for url, path in download_tasks} for future in as_completed(future_to_url): url, path = future_to_url[future] try: if future.result(): successful += 1 else: failed += 1 except Exception as e: print(f"任务执行异常: {url} - {e}") failed += 1 print(f"下载完成。成功: {successful}, 失败: {failed}") return download_dir # 整合使用 def main_download_pipeline(model_url): print(f"开始处理: {model_url}") model_uid = extract_model_uid(model_url) print(f"模型UID: {model_uid}") print("步骤1: 使用Playwright抓取页面数据...") model_data = fetch_model_data_with_playwright(model_url) if not model_data: print("错误: 未能获取模型数据。") return print("步骤2: 解析资源URL...") resources = extract_resource_urls(model_data) if not resources['models']: print("警告: 未找到模型文件URL。") print("步骤3: 开始并发下载资源...") save_dir = download_resources_concurrently(resources, model_uid=model_uid) print(f"所有资源已下载到: {save_dir}") # 执行 if __name__ == '__main__': target_url = "https://sketchfab.com/3d-models/你的目标模型链接" main_download_pipeline(target_url)

4. 高级技巧与深度问题排查

上面的流程提供了一个基础框架，但在实际对抗中，你会遇到各种“防御措施”和意外情况。

4.1 绕过反爬策略：动态令牌与请求签名

Sketchfab作为大型平台，肯定有反爬机制。你可能会遇到：

• 403 Forbidden：直接请求模型文件URL被拒绝。
• 缺失关键URL：从页面JSON中解析出的文件URL是残缺的或需要拼接令牌。
• 动态生成的下载链接：文件URL不是静态的，每次访问页面都会变化，或者包含一个有时间限制的签名（signature）或令牌（token）。

应对策略：

1. 携带完整Cookie和Headers：确保你的requests或playwright发出的下载请求，携带了所有必要的请求头，特别是Referer（通常需要设为模型页面的URL）和User-Agent。使用playwright时，你可以直接复用浏览器上下文的Cookie。

   # 在 download_file 函数中，使用从Playwright上下文获取的cookies def download_file_with_cookies(url, filepath, cookies_dict, headers=None): session = requests.Session() # 将Playwright的cookies转换为requests可用的格式 for cookie in cookies_dict: session.cookies.set(cookie['name'], cookie['value'], domain=cookie.get('domain', '')) # ... 其余下载逻辑

2. 拦截并复用API请求：在playwright的on_response回调中，当你发现那个返回模型文件真实地址的API请求时（可能是一个返回包含signedUrl的JSON响应），不要让它完成，而是拦截它，提取出里面的signedUrl。这个URL通常带有临时令牌，可以直接用于下载。

   # 在 fetch_model_data_with_playwright 函数的 on_response 中增强 download_urls = [] def on_response(response): if 'api.sketchfab.com/v3/models' in response.url and 'files' in response.url: try: resp_json = response.json() # 假设API返回结构是 {“files”: [{“url”: “signed-url-here”, ...}]} for file_item in resp_json.get('files', []): if 'url' in file_item: download_urls.append(file_item['url']) print(f"捕获到带签名的下载URL: {file_item['url'][:100]}...") except: pass

3. 模拟用户操作：有些下载链接需要点击页面上的“Download”按钮才会生成。你可以用playwright模拟点击，然后监听点击后产生的网络请求。

   # 在页面加载后，尝试寻找并点击下载按钮 # 注意：这仅对作者设置为“可下载”的模型有效 try: # 选择器需要根据实际页面调整 download_button = page.locator('button:has-text("Download")').first if download_button.is_visible(): with page.expect_response(lambda response: 'download' in response.url and response.status == 200) as response_info: download_button.click() signed_response = response_info.value signed_url = signed_response.json().get('url') # 假设返回JSON if signed_url: print(f"通过点击按钮获得下载链接: {signed_url}") except Exception as e: print(f"无法点击下载按钮或未找到: {e}")

4.2 处理glTF/GLB模型文件

下载下来的模型文件很可能是.glb（二进制glTF）格式。glTF是一种高效的3D传输格式，但它可能以分离式（.gltf+.bin+ 贴图）或嵌入式（.glb）形式存在。

• 如果是.glb文件：它是一个所有资源（JSON、二进制缓冲数据、有时甚至贴图）都打包在一起的单一文件。你可以直接用Blender、Windows 3D Viewer等软件打开。
• 如果是.gltf + .bin + 贴图：你需要保持文件之间的相对路径不变。.gltf是JSON描述文件，它通过URI引用外部的.bin（几何数据）和贴图文件。

本地重组建议：将下载的所有文件（.gltf,.bin, 贴图）放在同一个文件夹下。如果贴图路径是相对路径（如"images/texture.jpg"），确保在文件夹内创建对应的子目录结构。

4.3 常见问题与错误排查表

问题现象	可能原因	排查与解决方案
playwright无法启动或页面空白	1. 浏览器未正确安装。 2. 网络环境导致页面资源加载失败。 3. 网站检测到无头浏览器。	1. 运行playwright install chromium。 2. 检查代理或网络设置。尝试headless=False看页面是否正常渲染。 3. 在browser.new_context()中添加更多反检测参数，如viewport,user_agent，甚至ignore_https_errors=True。
无法从页面中找到JSON数据	1. 页面结构已更新。 2. 数据加载方式改变（如改为GraphQL）。 3. 选择器等待时间不足。	1. 重新分析页面HTML，寻找新的<script>标签或JavaScript变量。使用page.content()获取完整HTML后手动搜索“model”、“files”等关键词。 2. 在Network面板中仔细查找XHR/Fetch请求，特别是GraphQL请求。在代码中拦截并分析这些请求的响应。 3. 增加wait_for_selector的超时时间，或使用page.wait_for_function等待某个JavaScript变量出现。
解析出的URL下载返回403	1. URL缺少认证令牌或已过期。 2. 请求头不完整，被服务器拒绝。 3. IP或请求频率被限制。	1. 确保使用从API响应中获取的、带有签名或token的完整URL，而不是从HTML中静态提取的。 2. 模拟完整的浏览器请求头，特别是Origin,Referer。 3. 在下载请求中附加从playwright上下文获取的cookies。 4. 降低并发下载速度，在请求间添加随机延迟（time.sleep(random.uniform(1, 3))）。考虑使用代理IP池。
下载的文件损坏或无法打开	1. 下载过程中网络中断。 2. 服务器返回的不是文件流，而是错误页面（如HTML）。 3. 文件格式判断错误。	1. 实现下载重试机制和断点续传（更复杂）。 2. 检查下载请求的响应头Content-Type，确保是application/octet-stream,model/gltf-binary,image/jpeg等二进制类型。如果不是，打印响应文本前几百字符看看是否是错误信息。 3. 根据URL后缀或响应头正确命名文件。
贴图数量不全或模型显示为粉色	1. 贴图URL没有全部抓取到。 2. 贴图是WebP等格式，但本地软件不支持。 3. glTF文件中的贴图URI路径与本地文件结构不匹配。	1. 仔细分析JSON数据，确认是否抓取了所有纹理数组。有时贴图信息藏在materials或images字段里。 2. 可以尝试将WebP格式贴图用PIL库转换为PNG。 3. 用文本编辑器打开.gltf文件，检查images或textures节点中的uri字段，确保其指向的本地文件路径正确。

4.4 性能优化与扩展思路

• 异步化改造：将整个playwright抓取和httpx下载流程用asyncio重写，可以大幅提升批量处理模型的效率。playwright也支持异步API (async_playwright)。
• 增量下载与缓存：为每个模型UID建立元数据缓存文件。如果之前已经成功解析过资源URL，下次可以直接读取缓存，跳过页面抓取步骤，只检查URL是否过期。
• 支持模型列表/用户收藏夹：编写一个函数，先抓取用户主页或搜索列表页，获取所有模型的UID，然后循环调用单个模型的下载流程。
• 集成到3D软件：将下载脚本包装成Blender或Unity的插件，实现一键从Sketchfab导入模型到创作软件中。

这个项目的核心挑战不在于Python代码本身有多复杂，而在于对目标网站数据流的逆向工程能力和应对反爬策略的耐心。每一次Sketchfab前端的更新，都可能意味着你的解析逻辑需要调整。因此，保持代码的模块化和可配置性至关重要，将数据提取规则（如JSON路径、选择器）尽量放在配置文件或单独的函数中，方便快速适配变化。最后，请务必尊重平台规则和模型作者的版权，仅将此技术用于学习、研究或个人已获得授权的内容备份，切勿用于大规模的商业盗取或分发。

本文还有配套的精品资源，点击获取