Python日常小记 - 《风月》

起因

很久之前，我就曾经看到凤凰网《风月》专栏。这是一个主要介绍上世纪女明星的专栏，大致囊括了中外近100位知名女星的简要介绍和生平。

抛去收藏癖不谈，这个链接一直躺在我收藏夹里的原因，大概是我希望通过阅读这些简介，能够对这些曾经在演艺界举足轻重的明星有一点了解，在以后和“那个时代”过来人聊起来的时候不至于抓瞎。另外，简单看看这些不简单的女人们吧，或许能从她们身上找到一些我心目中对象应该有的特质？

总之，网页浏览体验太差，想着下载下来留存以后慢慢品鉴。

步骤

首先，明确目的。我希望能够把图片下载下来后一一转换合并为PDF文件，然后再合成一个整体的合辑，就像过去《收获》半年刊、《青年文摘》年刊一样，厚厚地存在硬盘里非常有踏实感。

所以第一个步骤便是了解这些图片访问的条件。所幸，凤凰网不是技术类网站而是媒体，很轻松就能获取到这些图片真实的链接。诸如伪造UA、Selenium、代理IP等等烦人的步骤皆可省去，可以方便地写出一份更注重过程的代码。

然后，通过观察图片链接所在位置，设计筛选器和正则匹配，得到链接。继续添加一些容错处理，一份运转良好的图片抓取脚本就写完了！

具体步骤

• 打开链接文件
• 循环读每一行，直接打开链接并截取链接日期部分
  • 创建文件夹：第00x期+title+日期
    • 循环下载图片：替换thumb部分内容，命名01-30
  • 循环结束后：fpdf将图片合成一个PDF，文件名为第001期+title.pdf
• 将所有PDF合成一个PDF

最后效果

可以看到，将所有PDF合成后，Acrobat自动生成了书签跳转目录，非常方便。

源代码

使用方法和代码参见对应的Repo

问题与难点

没有什么难点，有一些不熟悉的地方需要查看文档。无非将设计好的步骤翻译成代码。或许所谓“业务逻辑”的工作就是天天干这些？