其實之前實現過這個功能，是使用selenium模擬瀏覽器頁面點擊來完成的，但是效率實際上相對來說較低。本次以解密參數來完成爬取的過程。

首先打開煎蛋網http://jandan.net/ooxx，查看網頁源代碼。我們搜索其中一張圖片的編號，比如3869006，看下在源代碼中是否能找到圖片鏈接

從上面的HTML結構中找到這個標號對應的一些屬性，沒有直接的圖片鏈接地址，只有一個src=//img.jandan.net/blank.gif，這很明顯不是個真實的鏈接地址，因為每一個圖片編號都有這個值。我們註意到後面還有一個onload=‘jandan_load_img(this)’，可以大膽猜測真實地址有關，傳入了一個this參數，也就是調用它的對象。然後後面還有一個img-hash，後面文本一長串的字符，按命名來看應該是圖片的hash值，這個目前不知道什麽用，先留意下就好，繼續往後走，我們去看jandan_load_img()這個函數。

打開chrome F12開發者工具，刷新網頁，查看NetWork選項卡中的js，可以在左側列表項裏找到一個包含jandan_load_img()函數的js。如下圖：

下面我們把這個函數拿出來分析下：

function jandan_load_img(b) {
　　// 傳入一個參數b，把b賦值給變量d，把d的img-hash賦值給f，把f的文本提取出來。。。說白了就是e等於圖片的hash值
    var d = $(b);
    var f = d.next("span.img-hash");
    var e = f.text();
    f.remove();
    // 重點關註下面兩句
 

    var c = jdN1vojzUDgDM5WyoSjf4YBLbPRYr4ovPc(e, "9e03YzcYoHuEBMj5eS4c2tbLVWiqSgn1");
    var a = $(‘<a href="‘ + c.replace(/(\/\/\w+\.sinaimg\.cn\/)(\w+)(\/.+\.(gif|jpg|jpeg))/, "$1large$3") + 
‘" target="_blank" class="view_img_link">[查看原圖]</a>‘);
    d.before(a);
    d.before("<br>");
    d.removeAttr(
 
"onload");
    d.attr("src", location.protocol + c.replace(/(\/\/\w+\.sinaimg\.cn\/)(\w+)(\/.+\.gif)/, "$1thumb180$3"));
    if (/\.gif$/.test(c)) {
        d.attr("org_src", location.protocol + c);
        b.onload = function() {
            add_img_loading_mask(this, load_sina_gif)
        }
    }
}

很明顯可以看到裏面有句話，查看原圖，說明這個原始圖片鏈接在這裏。所以這個a就是我們所需要的，但是a是拼接起來的一個標簽，真實的圖片地址應該是c.replace(/(\/\/\w+\.sinaimg\.cn\/)(\w+)(\/.+\.(gif|jpg|jpeg))/, "$1large$3")，所以現在算出c就可以了，看到變量c=jdN1vojzUDgDM5WyoSjf4YBLbPRYr4ovPc(e, "9e03YzcYoHuEBMj5eS4c2tbLVWiqSgn1")，這是一個函數，傳入了兩個參數，一個e（圖片hash值），還有一個字符串，返回值賦值給了c。那我們繼續找jdN1vojzUDgDM5WyoSjf4YBLbPRYr4ovPc函數，和jandan_load_img（）在同一個js文件中。

函數如下：

var jdN1vojzUDgDM5WyoSjf4YBLbPRYr4ovPc = function(n, t, e) {
    var f = "DECODE";
    var t = t ? t : "";
    var e = e ? e : 0;
    var r = 4;
    t = md5(t);
    // 將n也就是圖片的hash值賦值給變量d
    var d = n;
    var p = md5(t.substr(0, 16));
    var o = md5(t.substr(16, 16));
    if (r) {
        if (f == "DECODE") {
            var m = n.substr(0, r)
        }
    } else {
        var m = ""
    }
    var c = p + md5(p + m);
    var l;
    if (f == "DECODE") {
        n = n.substr(r);
        l = base64_decode(n)
    }
    var k = new Array(256);
    for (var h = 0; h < 256; h++) {
        k[h] = h
    }
    var b = new Array();
    for (var h = 0; h < 256; h++) {
        b[h] = c.charCodeAt(h % c.length)
    }
    for (var g = h = 0; h < 256; h++) {
        g = (g + k[h] + b[h]) % 256;
        tmp = k[h];
        k[h] = k[g];
        k[g] = tmp
    }
    var u = "";
    l = l.split("");
    for (var q = g = h = 0; h < l.length; h++) {
        q = (q + 1) % 256;
        g = (g + k[q]) % 256;
        tmp = k[q];
        k[q] = k[g];
        k[g] = tmp;
        u += chr(ord(l[h]) ^ (k[(k[q] + k[g]) % 256]))
    }
    if (f == "DECODE") {
        if ((u.substr(0, 10) == 0 || u.substr(0, 10) - time() > 0) && u.substr(10, 16) == md5(u.substr(26) + o).substr(0, 16)) {
            u = u.substr(26)
        } else {
            u = ""
        }
        //進行base64解碼
        u = base64_decode(d)
    }
    return u
};

這個代碼寫的真。。。長，但是我們只分析自己需要的部分，上面jandan_load_img函數裏的c是這個函數的返回值，也就是說我們只需要關註返回值就好。註意到這個返回值是y一個u，找到離return語句最近的u的賦值情況，可以看到，就是那句u=base64_decode(d)，這個是一個base64解碼，參數是d。我們再找這個d是神馬玩意。主要到這個函數只有一句與d有關，就是var d = n，這個n是函數的第一個函數，也就是圖片的hash值。也就是說，這個圖片hash值經過一個base64解碼後返回值就是c，也就是圖片地址。

納尼！！！！！！！！！你寫這麽長的代碼就是整這麽個事情麽？！

我們以剛才那個圖片hash值為例，用python代碼寫一下，看看到底是不是能得到圖片的url。

#! usr/bin/env python
# coding:utf-8

import base64

img_hash = ‘Ly93eDQuc2luYWltZy5jbi9tdzYwMC8wMDc2QlNTNWx5MWZzbWRxd2F1dzBqMzBnazBrcGFkOS5qcGc=‘
url = base64.b64decode(img_hash)
print(url)

用瀏覽器打開這個鏈接看一下。

我感覺我收到了侮辱！！！！！！我先吃碗面壓壓驚。相信大家看到這裏，應該都會爬取煎蛋妹子圖片了吧。代碼改天再補，我是真的吃面去了。。

僅供學習，請勿用於商業用途哦。

python3爬蟲爬取煎蛋網妹紙圖片