我花了一个下午，网站用Python写了个爬虫，图片把某个设计网站上两千多张高清壁纸全抓了下来。网站整个过程最刺激的图片其实不是代码本身，而是网站那台老笔记本风扇狂转的声响，像在替我紧张——毕竟这算是图片钻了人家的空子。

爬图片这事儿，网站核心就三件事：找到图片的图片直链，防止被封IP，网站最后把二进制数据存成文件。图片听起来简单，网站做起来全是图片坑。比如很多网站现在都不把图片地址直接写在HTML里了，网站而是图片用懒加载技术，图片藏在JavaScript变量里，网站或者经过base64编码。你得先模拟浏览器执行JS，或者干脆用Selenium这种自动化工具去驱动一个真正的浏览器内核。我第一次试的时候，抓回来的全是占位符图片，灰蒙蒙一片，差点以为网站把所有资源都藏起来了。

后来我换了思路，直接翻页面的网络请求记录。按F12打开开发者工具，切到Network标签，重新刷新页面，就能看到所有加载的资源。图片文件通常有特定的扩展名，比如.jpg、.png、.webp。我写了个正则表达式去匹配这些URL，果然找到了真正的下载地址。但问题又来了，这些URL带了一长串签名参数，有效期可能只有几分钟。也就是说，你得在极短时间内完成“发现链接”和“发起下载”这两个动作，否则链接就失效了。

还有个细节容易被忽略——请求头里的Referer字段。很多图片服务器会检查这个字段，如果你发的请求没有带上正确的来源网址，服务器直接返回403错误。我一开始没注意，下载了几十张就全断了，还以为是网络问题。后来加了Referer和User-Agent伪装成正常浏览器，速度立刻提上来。这感觉就像你在门口对暗号，说对了才放你进去。

存储也得分情况。图片少的直接一张张存本地，但量大就得考虑文件夹分类。我按网站的专辑名称建了子目录，每张图用时间戳加序号命名。但有个麻烦，有些文件名里带了特殊字符，比如冒号或者问号，Windows系统直接报错。我只好写了个清洗函数，把非法字符替换成下划线。这种小问题不会让你代码崩溃，但会磨你的耐心。

跑完整批数据，我扫了一眼硬盘，多了8.7个G。说实话，里面真正有艺术价值的可能就一两百张，但下载的过程让我摸清了整个网站的资源架构。后来我还发现，有些小图其实有更高清的版本，只要把URL里的参数改一下，比如把width=800改成width=2000，就能拿到原图。这种发现纯靠运气，但试出来的时候特别爽，像解锁了隐藏成就。

最后多说一句，爬虫这玩意儿，技术难度其实不高，真正难的是判断边界。有些网站明确在robots.txt里写了禁止爬取，那你最好别碰。我那次纯属自娱自乐，下完了自己看看，没做任何商业用途。但如果你打算大规模抓取，最好提前研究一下目标网站的服务条款，省得到时候惹麻烦。毕竟，硬盘塞满了是小事，IP被拉黑或者收到律师函，那就得不偿失了。