自己动手写工具：百度图片批量下载器
自己动手写工具：百度图片批量下载器
开篇：在某些场景下，我们想要对百度图片搜出来的东东进行保存，但是一个一个得下载保存不仅耗时而且费劲，有木有一种方法能够简化我们的工作量呢，让我们在离线模式下也能爽爽地浏览大量的美图呢？于是，我们想到了使用网络抓取去帮我们去下载图片，并且保存到我们设定的文件夹中，现在我们就来看看如何来设计开发一个这样的图片批量下载器。
一、关于网络抓取与爬虫
网络蜘蛛的主要作用是从Internet上不停地下载网络资源。它的基本实现思想就是通过一个或多个入口网址来获取更多的URL，然后通过对这些URL所指向的网络资源下载并分析后，再获得这些网络资源中包含的URL，以此类推，直到再没有可下的URL为止。
网络蜘蛛的实现的一般步凑可以分为以下几步：
（1） 指定一个（或多个）入口网址{ 如http://www.xx.com），并将这个网址加入到下载队列中（这时下载队列中只有一个或多个入口网址）}。 （2） 负责下载网络资源的线程从下载队列中取得一个或多个URL，并将这些URL所指向的网络资源下载到本地{ 在下载之前，一般应该判断一下这个URL是否已经被下载过，如果被下载过，则忽略这个URL }。如果下载队列中没有URL，并且所有的下载线程都处于休眠状态，说明已经下载完了由入口网址所引出的所有网络资源。这时网络蜘蛛会提示下载完成，并停止下载。 （3）分析这些下载到本地的未分析过的网络资源{ 一般为html代码 }，并获得其中的URL{ 如标签<a>中href属性的值 }。 （4）将第3步获得的URL加入到下载队列中，然后重新执行第2步。
二、关于图片批量下载器
2.1 手工下载工作量大
在平常的使用中，我们经常会去百度图片搜索图片，然后保存到本地进行浏览或二次使用。但是，如果我们需要使用很多个同一题材的图片的时候，单个地手工去一张一张的下载保存效率就会显得很低下。这时候，我们不由得想找一个方法，让计算机帮我们去做这件事儿！
但是，想破头颅都没想到办法。于是，我们打开F12开发者工具，发现了这么一个AJAX请求，有点意思：
查看这个AJAX请求的HTTP报文信息，发现它返回了一大串的JSON数据，将其复制到JSON在线查看器（http://www.bejson.com/jsonview2/）中查看，原来所有的图片列表信息都在这个JSON中被返回到浏览器端。
2.2 批量下载爽爽看图
（1）看到了上面的那个请求，我们的心中大概就有谱了。在此，我们先来对刚刚那个AJAX请求的地址来分析一下：
Request URL:http://image.baidu.com/i?tn=resultjsonavatarnew&ie=utf-8&word=%E5%AE%8B%E6%99%BA%E5%AD%9D&cg=star&pn=60&rn=60&z=&itg=0&fr=&width=&height=&lm=-1&ic=0&s=0
Request Method:GET
Status Code:200 OK①这个AJAX请求首先是通过GET方式传递的，所有的参数都是通过QueryString的方式跟在URL地址后，也就是所有的参数都在后边跟着，包括我们输入的搜索词，每页的页容量（大小），当前是第几页等参数；
②再来看看这个请求地址后面的参数，找出我们所需要的几个重要参数。其中，word是搜索的关键词，只是后边经过了URL编码，rn是页容量（或者说是页大小，即一页有多少张图片，可以看出默认是60张图片），而pn则代表了是一共请求的图片数量，可以通过pn/rn得到当前是第几页，例如这里pn=60，rn=60，那么请求的是第一页。
（2）现在我们来梳理一下我们这个下载器的工作流程：
（3）下面我们来看看我们的实现后的图片下载器的样子如何：
三、关键代码实现
3.1 声明一个异步委托去执行图片下载操作，与UI线程分开防止界面卡死
// 声明一个异步委托去处理图片下载操作
Action downloadAction = new Action(() =>
{
ProcessDownload(keyword);
});
// 声明一个下载完成后的回调函数
AsyncCallback callBack = new AsyncCallback(asyncResult =>
{
downloadAction.EndInvoke(asyncResult);
progressBar.BeginInvoke(new Action(() =>
{
progressBar.Value = progressBar.Maximum;
}));
txtLogs.BeginInvoke(new Action(() =>
{
txtLogs.AppendText("下载图片操作结束！" + Environment.NewLine);
}));
btnStart.BeginInvoke(new Action(() =>
{
btnStart.Enabled = true;
}));
});
// 执行该异步委托
IAsyncResult result = downloadAction.BeginInvoke(callBack, null);
// 主线程继续干自己的事儿
txtLogs.AppendText("正在下载图片中..." + Environment.NewLine);使用异步委托，关键在于设置其回调函数，这里在回调函数中结束线程操作，并通过UI控件的BeginInvoke实现安全地跨线程调用（类似于使用委托来操作）。
3.2 使用WebRequest向指定服务器端发出Http请求
private void ProcessDownload(string keyword)
{
int pageCount = (int)numPageCount.Value;
sumCount = pageCount * 60;
for (int i = 0; i < pageCount; i++)
{
HttpWebRequest request = (HttpWebRequest)HttpWebRequest.Create("http://image.baidu.com/i?tn=resultjsonavatarnew&ie=utf-8&word=" + Uri.EscapeDataString(keyword) + "&pn=" + pageCount * 60 + "&cg=girl&rn=60&itg=0&lm=-1&ic=0&s=0");
using (HttpWebResponse response = (HttpWebResponse)request.GetResponse())
{
if (response.StatusCode == HttpStatusCode.OK)
{
using (Stream stream = response.GetResponseStream())
{
try
{
// 下载指定页的所有图片
DownloadPage(stream);
}
catch (Exception ex)
{
// 跨线程访问UI线程的txtLogs
txtLogs.BeginInvoke(new Action(() =>
{
txtLogs.AppendText(ex.Message + Environment.NewLine);
}));
}
}
}
else
{
MessageBox.Show("获取第" + pageCount + "页失败：" + response.StatusCode);
}
}
}
}这里使用了try..catch将下载时碰到的异常信息填充到了TextBox文本框中。
3.3 使用第三方JSON组件解析JSON数据
private void DownloadPage(Stream stream)
{
using (StreamReader reader = new StreamReader(stream))
{
string jsonData = reader.ReadToEnd();
// 解析JSON，分析JSON
JObject objectRoot = JsonConvert.DeserializeObject(jsonData) as JObject;
JArray imgsArray = objectRoot["imgs"] as JArray;
for (int i = 0; i < imgsArray.Count; i++)
{
JObject img = imgsArray[i] as JObject;
string objUrl = (string)img["objURL"];
//txtLogs.AppendText(objUrl + Environment.NewLine); // 测试获取图片路径
try
{
// 下载具体的某一张图片
DownloadImage(objUrl);
// 更新进度条
progressBar.BeginInvoke(new Action(() =>
{
progressBar.Value = i * 100 / sumCount;
}));
// 更新文本框
txtLogs.BeginInvoke(new Action(() =>
{
txtLogs.AppendText("已下载：" + objUrl + Environment.NewLine);
}));
}
catch (Exception ex)
{
// 跨线程访问UI线程的txtLogs控件
txtLogs.BeginInvoke(new Action(() =>
{
txtLogs.AppendText("【异常：" + ex.Message + "】" + Environment.NewLine);
}));
}
}
}
}这里使用的是Newtonsoft.Json组件，在返回的JSON数据中，找到imgs集合，对其进行遍历，找出其中的objURL并一一地进行下载到本地。
3.4 伪造URLRerfer并使用FileStream将其保存到本地
private void DownloadImage(string objUrl)
{
string destFileName = Path.Combine(destDir, Path.GetFileName(objUrl));
HttpWebRequest request =
(HttpWebRequest)HttpWebRequest.Create(objUrl);
// 欺骗服务器判断URLReferer
request.Referer = "http://image.baidu.com";
using (HttpWebResponse response = (HttpWebResponse)request.GetResponse())
{
if (response.StatusCode == HttpStatusCode.OK)
{
using (Stream stream = response.GetResponseStream())
{
using (FileStream fileStream = new FileStream(destFileName, FileMode.Create))
{
stream.CopyTo(fileStream);
}
}
}
else
{
throw new Exception("下载" + objUrl + "失败，错误码：" + response.StatusCode);
}
}
}这里通过在客户端伪造URLRerfer让服务器端误以为是自己的站内请求（伪造我们的请求不是骗它流量的），然后通过FileStream将返回的图片响应流保存到指定的文件夹中。
四、个人开发小结
4.1 运行结果演示
这里我们批量下载一页（60张）的美女图片到指定的文件夹中，看看下载器是否真的帮助我们下载了图片：
（1）程序的运行过程：
（2）下载后的图片文件夹：
4.2 更改搜索名词
这里我们将“美女”改为了“宋智孝”后，发现下载器未能成功下载图片。经过分析，原来百度图片搜索中，每个搜索词所生成的AJAX请求都不同，因此本下载器目前不具有通用性，也就是说每次更换搜索词都需要改代码，主要是改HttpWebRequest那的URL地址。
（1）更改URL处的代码：
（2）程序的运行过程：
（3）下载的图片文件：
4.3 不是小结的小结
本次我们实现了一个小工具，它可以帮我们下载我们想要搜索的图片到执行的图片文件夹中，让我们可以离线爽爽地看美图。设计开发这样一个工具，最重要的莫过于：分析Http报文、解析返回数据、线程创建与同步、异步操作、文件流、进度条的更新（跨线程的调用）等等，本次开发中都多多少少涉及到了其中的一些东东。当然，不足之处还有很多，例如工具的通用性不足，每次更换搜索词都需要更改代码，可配置型不高等等。这里提供一个我的代码实现DEMO，有兴趣的朋友也可以自行修改并进行扩展。
参考资料
（1）杨中科，《自己动手写美女图片下载器》：http://www.rupeng.com/Courses/Index/14
（2）冰封的心，《C#2.0实现抓取网络资源的网络蜘蛛》：http://www.cnblogs.com/yibinboy/articles/1236356.html
附件下载
MyPictureDownloader v1.0：http://pan.baidu.com/s/1kTvFlJp
作者：周旭龙
出处：http://edisonchou.cnblogs.com/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。