@
前言
在我們寫文章(博客、公眾號、自媒體)的時候，常常覺得自己的文章有些老土，這很大程度是因為配圖沒有選好。
筆者也是遇到相同的情況，順便解決其中一個案例，給大家一些技術上的參考和借鑒！
並且，我們搜圖片如果去百度，會遇到兩種情況：非高清或者帶水印。這都是我們所忌諱的東西。筆者此次通過圖蟲創意抓起高清小圖，雖然不是大圖，但是在火熱的移動端閱讀上是足夠的！
分析
廢話說完了，我們開始分析怎么樣才能獲取這樣的圖片呢。
理想狀態
- 我們的理想狀態就是一個網頁，我們的目標網頁，把圖片
<img src="xxxxxx">直接放到html中。我們的爬蟲可以直接解析。這種情況，就像你寫的博客，個人網站的圖片一樣，簡單嵌入。
- 或者就是通過后台ajax傳輸圖片地址引用。我們
不清楚是否這樣！
實際分析
但事實這種肯定會被理想破滅，因為不可能！他以圖片為核心業務，要你注冊，購買等等，怎么可能就這么容易的嵌入進入被你找到。
- 那它到底如何實現呢？我們分析一下！
首先打開網頁，檢查圖片，發現它的網頁圖片來源不唯一。有兩個主要域名ice和wel，並且后面的編號還不唯一，但是可以嘗試發現相同域名不同后綴的圖片地址結果相同！（例如icweiliimg9和icweiliimg/效果相同）。
我們發現原來這個搜索url會變化，但是這個查看網頁源代碼發現並沒有我們想要的圖片地址。那么我們肯定知道它要么從ajax渲染，或者就藏在js中進行混淆或者加密。我們發現這個xhr中並沒有想要的數據，並且他其實藏在js中。其實這個可以猜想到的，因為它的url既然跟着變化那么返回的數據肯定是有區別的。
那么分析就到這里，剩下就是python爬蟲的模擬和解析了。
爬蟲實現
前面說到已經知道它的數據源，我們用python編寫爬蟲需要進行模擬。經過測試發現它需要進行一些驗證，其中包過cookie的wluuid字段（只驗證存在，不驗證正確性）。
那么我們編寫一段代碼就能拿到網頁html。但是問題來了。數據藏在js里面啊！！！
我們只能用正則進行套了！
對於這個js，我們通過js=soup.select('script') js=js[4]即可獲取。
對於有用數據，只能正則截取。
pattern = re.compile(r'window.hits = (\[)(.*)(\])')
va = pattern.search(str(js)).group(2)#解析js內容
但是這個類似json的串用,拼接我們無法直接使用spilt分組分開，但是我們可以從}全部替換成},,那么就三個,,,我們就可以分割而不影響其他json串內,；split之后每組都滿足json串格式，直接轉成json取值即可！
那么剩下拿到url直接構造url然后下載圖片即可！
其他注意
圖片下載：
- 下載圖片有很多圖片無名稱或者名字相同，避免這個不下載要進行編號
- 兩個url域名需要嘗試下載其中一個成功即完成下載！
爬蟲方面
- 全程不需要登錄，下載為高清小圖。后續可以考慮研究登錄后的大圖分享給大家！
其他
- 創建圖片路徑要考慮路徑是否存在！
效果與總結
通過上述分析：編寫爬蟲：
測試結果：
打開文件夾：
發現nice！你只需要輸入關鍵詞即可實現自動下載，雖然是小圖，但是效果不錯！
移動端公眾號和csdn效果！
不難發現，整個過程就是分析和處理字符串的邏輯難點。數據結構與算法扎實了處理問題都不難，！所以，如果要學習數據結構與算法，爬蟲請關注我吧！公眾號：bigsai
