Python技术：下载苹果特别活动发布会logo彩绘图片

1. 问题引入：疯狂的logo

苹果公司将在美国东部时间（EDT）10月30日上午10点（对应北京时间同日晚上10点），在纽约布鲁克林音乐学院，举行一场取名“苹果特别活动”（Apple Special Event）的发布会。

引起媒体关注的，不是发布会将发布的具体产品内容，而是各种苹果logo图案。有人注意到，收到的邀请函和苹果网站上的发布会页面会出现各种不同的苹果logo，每次刷新页面会出现不同的苹果logo的彩绘图案。于是国外有人收集了各种苹果logo图案，发现了至少86个不同的苹果logo。

打开此次苹果发布会网页https://www.apple.com/apple-events/，每次刷新都会随机出现不同的苹果彩绘logo，那么该页面可能出现多少种logo呢？我们想通过技术分析找出答案，并使用爬虫抓取这些logo图片。

如上图，苹果商品彩绘logo每次刷新会不一样。

2. 图片url地址分析

2.1 分析DOM文档

首先想到的就是查看该图片所对应的web元素，找到其url。

鼠标移动到logo图片位置处，点击右键，然后选择检查元素，分析该元素对应的DOM对象。

然而对应的DOM文档为

这里完全没有包含任何url信息。这就说明，图片的url地址不在html中。

2.2 浏览器抓包分析

html文件中没有，那么就得通过抓包分析图片的url。

选择开发人员工具中的网络标签，刷新页面，找到下载该图片的网络请求：

选择该请求的Headers标签，第一项就是对应的请求url：https://www.apple.com/v/apple-events/home/a/images/overview/hero_image_09__r8jeder0waau_small_2x.jpg。

复制该url到浏览器地址栏中打开，确认得到的就是浏览器https://www.apple.com/apple-events/页面当前显示的logo图片。

然而该url是从哪里传来的呢？浏览器的开发人员工具就显得不够用了。

2.3 Charles抓包分析

这时我们就需要救助强大的抓包工具Charles了。来，让我们点上阿拉灯神丁，召唤Charles。

打开Charles后，首先确保Charles菜单proxy的下拉菜单中系统代理(windows下是windows proxy，mac下是macOS proxy)选项被选中。

然后在浏览器中刷新网页https://www.apple.com/apple-events/，仿照上一步，在浏览器开发人员工具中找到当前图片url地址，比如此时是https://www.apple.com/v/apple-events/home/a/images/overview/hero_image_01__pj9kqyeokxu2_small_2x.jpg。

网页中嵌入的url地址经常是相对地址，所以我们复制文件名hero_image_01__pj9kqyeokxu2_small_2x.jpg，然后在抓包工具Charles中，按下ctrl+F，打开搜索工具，通过图片文件名搜索，出现多个匹配项。

其中有两处匹配项是下载该图片的请求，我们此时不需要。而另外的匹配项，定位在<overview.built.css>文件中，对应的url地址https://www.apple.com/v/apple-events/home/a/built/styles/overview.built.css。

双击匹配项，定位到.css文件中。选择Charles底部的CSS标签，可以看到排版漂亮的css文件，我们需要的图片url就在该文件中。选择Charles顶部的Overview标签，第一项就是该css文件的url地址。我们通过该url地址就可以下载css文件，然后分析css文件就能定位logo的url了。

2.4 css文件中logo图片url的提取

css文件属于无结构的数据，此时我们就需要祭出瑞士军刀正则表达式，来提取想要的url。

打开保存的css文件，搜索hero_image_01__pj9kqyeokxu2_small_2x.jpg，我们不难分析出，图片相对地址总是以/v/apple-events/home/a/images/overview/hero_image_开始的。

于是，我们通过re.finditer()遍历每个图片的相对url，然后拼接出完整url，通过完整url下载图片保存即可。（文件夹apple_logoes请提前准备好）

最后的完整代码如下：

3. 总结

我们可以看到，有时候，爬虫的代码量很少，而分析过程才是精髓和难点所在。

文章来源:搜狐自媒体