文章目录
- 前言
- 分析
- 理想状态
- 实际分析
- 爬虫实现
- 其他注意
- 效果与总结
前言
在我们写文章(博客、公众号、自媒体)的时候，常常觉得自己的文章有些老土，这很大程度是因为配图没有选好。
笔者也是遇到相同的情况，顺便解决其中一个案例，给大家一些技术上的参考和借鉴！
并且，我们搜图片如果去百度，会遇到两种情况：非高清或者带水印。这都是我们所忌讳的东西。笔者此次通过图虫创意抓起高清小图，虽然不是大图，但是在火热的移动端阅读上是足够的！
项目效果图(下载部分图片停止)：
分析
废话说完了，我们开始分析怎么样才能获取这样的图片呢。
理想状态
- 我们的理想状态就是一个网页，我们的目标网页，把图片
<img src="xxxxxx">直接放到html中。我们的爬虫可以直接解析。这种情况，就像你写的博客，个人网站的图片一样，简单嵌入。 - 或者就是通过后台ajax传输图片地址引用。我们
不清楚是否这样！
实际分析
但事实这种肯定会被理想破灭，因为不可能！他以图片为核心业务，要你注册，购买等等，怎么可能就这么容易的嵌入进入被你找到。
- 那它到底如何实现呢？我们分析一下！
首先打开网页，检查图片，发现它的网页图片来源不唯一。有两个主要域名ice和wel，并且后面的编号还不唯一，但是可以尝试发现相同域名不同后缀的图片地址结果相同！（例如icweiliimg9和icweiliimg/效果相同）。
我们发现原来这个搜索url会变化，但是这个查看网页源代码发现并没有我们想要的图片地址。那么我们肯定知道它要么从ajax渲染，或者就藏在js中进行混淆或者加密。我们发现这个xhr中并没有想要的数据，并且他其实藏在js中。其实这个可以猜想到的，因为它的url既然跟着变化那么返回的数据肯定是有区别的。
那么分析就到这里，剩下就是python爬虫的模拟和解析了。
爬虫实现
前面说到已经知道它的数据源，我们用python编写爬虫需要进行模拟。经过测试发现它需要进行一些验证，其中包过cookie的wluuid字段（只验证存在，不验证正确性）。
那么我们编写一段代码就能拿到网页html。但是问题来了。数据藏在js里面啊！！！
我们只能用正则进行套了！
对于这个js，我们通过js=soup.select('script') js=js[3]即可获取。
对于有用数据，只能正则截取。
pattern = re.compile(r'window.hits = (\[)(.*)(\])')
va = pattern.search(str(js)).group(2)#解析js内容
但是这个类似json的串用,拼接我们无法直接使用spilt分组分开，但是我们可以从}全部替换成},,那么就三个,,,我们就可以分割而不影响其他json串内,；split之后每组都满足json串格式，直接转成json取值即可！
那么剩下拿到url直接构造url然后下载图片即可！
其他注意
图片下载：
- 下载图片有很多图片无名称或者名字相同，避免这个不下载要进行编号
- 两个url域名需要尝试下载其中一个成功即完成下载！
爬虫方面
- 全程不需要登录，下载为高清小图。后续可以考虑研究登录后的大图分享给大家！
其他
- 創建图片路径要考虑路径是否存在！
效果与总结
通过上述分析：编写爬虫：
爬虫项目GitHub地址欢迎star！测试结果：
打开文件夹：
发现nice！你只需要输入关键词即可实现自动下载，虽然是小图，但是效果不错！
移动端公众号和效果！
不难发现，整个过程就是分析和处理字符串的逻辑难点。数据结构与算法扎实了处理问题都不难，！所以，如果要学习数据结构与算法，爬虫请关注我吧！公众号：bigsai