相信很多人都喜歡在簡書上寫文章，但是諸如很多平臺或者博客平臺一樣，平臺的檢查機制很多時候會誤殺一批人，導致無故賬號被封。雖然事后可以交涉解封，但其中各種滋味唯有經歷過的人才能感受到。于是大家最好養成經常備份的好習慣，還好簡書的后臺有一個下載所有文章的按鈕。雖然可以瀏覽器打開直接查看，可惜的是，文章的圖片還是線上的 ，并沒有備份到本地就仍然會有丟失的可能。 小馬即興搞了一個入門python小爬蟲腳本來爬取文章圖片保存到本地，媽媽再也不用擔心文章丟失了。小馬也是初學者，分享僅供參考，但希望能拋磚引玉，共同進步。
思路分析
遇到問題就想辦法解決嘍，我們從簡書后臺下載下來的所有文章是一個rar壓縮包，解壓后是按文集為文件夾的一堆html文件，如果你用的markdown編輯則是一堆md文件。那么問題來了，我們的文章是下載下來了，但是文章中的圖片還是只是個遠程鏈接，圖片沒有保存在本地。于是，小馬打開了一個html文件，發現就是一個靜態html文件，很好，我們可以爬取到文章的每個圖片鏈接，下載到本地。這時候python爬蟲就登場了。
python爬蟲
python是什么？按照老慣例，我們先來看一下百科怎么說：
Python是一種跨平臺的計算機程序設計語言。 是一個高層次的結合了解釋性、編譯性、互動性和面向對象的腳本語言。最初被設計用于編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越多被用于獨立的、大型項目的開發。
哎呀，又是一頓商業互吹。咋也不管了，Lu起鍵盤就是干。我們首先要寫一個腳本，讓其遍歷本地備份文章的整個目錄文件夾和文件，然后打開文件，讀取每一行文件內容，然后對每一行的文件內容進行正則匹配，匹配到圖片的元素，然后把地址挖出來進行下載。爬蟲爬一遍完文件自然圖片也就下完了，為了后續辨認我們會把圖片放在對應文章名稱的文件夾中，并按備份的時間來創建文件夾保存圖片。
我們要跑起python，就要先安裝，于是安裝就不贅述了，基本就是傻瓜安裝。安裝完注意把路徑注冊到系統變量中，這樣就可以全局運行python命令了。我們來跑一個簡單的實例。
好了，我們的武器已經生產好了，接下來就是戰斗了。我們看到，我們下來的包解壓之后目錄是類似這樣。
好了，我們來遍歷這個文件夾處理。小馬遍歷的時候為了調試直接輸出文章標題，但因為有中文亂碼導致IO錯誤，執行報錯。
解決辦法就是設置窗口字符集，也是醉醉的。如下處理后運行正常。
當然，輸出文件名并不是我們的最終目的，我們要下載所有圖片到本地呢。于是下面的代碼最終出爐，下例中只針對HTML里的圖片正則，md文件的同理更換正則式子即可。后續小馬會托管到git供有些小伙伴入門參考。
好了，我們cmd到腳本的所在目錄執行腳本，直接完成了所有文章圖片的本地備份。
查看圖片下載效果。
Python腳本怎么用
打完收工。對于大多數人可能不太感興趣它是怎么誕生地，只是需要這么一個工具來爽歪歪。小馬后續打算封裝成小工具供大家下載直接運行使用。但目前還是順手說下拿到這個腳本怎么跑，麻煩是麻煩了點，但很助于理解。以window為例。
1、官網下載對應版本Python并傻瓜式安裝，注冊安裝目錄到系統環境變量。
2、簡書后臺，一鍵下載你的文章壓縮包，解壓，重命名為articlebak。下載上面我們寫的腳本文件imgbakScript.py，放在與你的文章文件夾同目錄下，就像下面這樣。
3、你需要打開cmd，到目錄一下敲命令python imgbakScript.py即可。如下：
好了，你會發現同級目錄下多了個imgbak文件夾，里面就是所有文章的圖片被下到本地了。
就到這吧，需要腳本源碼文件的也可以直接call小馬（點這里下載）。不到之處歡迎指正，拜拜。
相關文獻：
分布式爬蟲（URL隊列分配給多個機器去爬取）
python和go的區別（go需要bulid編譯，go比py快；py適合web和科學數據，庫豐富，go更像c的升級版，系統語言；py沒有內置并發機制go有）
原創文章，未經允許請勿轉載。
