从百度图片搜索上下载图片

 从百度图片搜索上下载叶片图像，作为柑橘溃疡病识别的负样本。

百度图片搜索的结果通过一个javascript函数动态生成：

function  funURL(a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q)
... {
arrImg[imgNum++]='<a href=http://image.baidu.com/i?ct=503316480&z='+a+'&tn=baiduimagedetail&word='+trim(b)+'&in='+c+'&cl='+d+'&lm='+e+'&pn='+f+'&rn=1 target=_blank>
<img src=http://'+g+'/it/u='+h+'&gp='+i+'.jpg></a>
<br><font size=1>'+j+'x'+k+' '+l+'k '+m+'</font><br>
<div class=r><a href=http://image.baidu.com/ir?t=1&u='+trim(n)+'&f='+trim(o)+'&jn='+p+' target=_blank>'+trim(q)+'</a>';
}

其中，显示图像部分代码为：

< img src = http: // '+g+'/it/u='+h+'&gp='+i+'.jpg></a>

调用该js函数显示图像的代码为：

funURL( ' 0 ' , ' %CA%F7%D2%B6   ' , ' 7788 ' , ' 2&cm=1&sc=0 ' , ' -1 ' , ' 620 ' , ' t2.baidu.com ' , ' 3656415474,414517057 ' , ' 28 ' , ' 670 ' , ' 944 ' , ' 24 ' , ' jpg ' , ' http://www.52photoshop.cn/pic/FF152.JPG   ' , ' http://www.52photoshop.cn/pic27851.html   ' , ' 7788 ' , ' 植物,<strong>树叶</strong>图片素材27851--我...   ' );

只需要提取其第7，8，9个参数，构造url地址即可。

分析主要代码:

 

using  System;
using  System.Collections.Generic;
using  System.Text;
using  System.Collections;

namespace  BaiduImages
... {
    /**//**
     * 从百度的图片搜索生成的HTML中分析出搜索获得的目标图像
     */ 
    class BaiduImageUtils
    ...{
        /**//**
         * 分析的总控程序
         * 从JAVASCRIPT脚本中分析出调用JS函数的代码
         * 然后分析其参数
         * 根据参数构建URL地址
         * 返回页面中下一页链接地址
         */
        public String parseImage(ref String content, ref LinkedList<String> imageUrls)
        ...{
            String jsFunStartIdentifer = "funURL(";//javascript函数开始标识符
            String jsFunEndIdentifer = ")";  //javascript函数结束标识符 
            
            int currentPos = 0;
            int jsFunctionStartPos = content.IndexOf(jsFunStartIdentifer, currentPos);
            int jsFunctionEndPos = jsFunctionStartPos;
            while (jsFunctionStartPos > 0)
            ...{
                jsFunctionStartPos = jsFunctionStartPos + jsFunStartIdentifer.Length;
                jsFunctionEndPos = content.IndexOf(jsFunEndIdentifer, jsFunctionStartPos);//寻找结束标识符的为位置


                if (jsFunctionEndPos < jsFunctionStartPos || jsFunctionEndPos <= 0)
                    break;

                String jsFunctionStr = content.Substring(jsFunctionStartPos, jsFunctionEndPos - jsFunctionStartPos);
                LinkedList<String> parameters = new LinkedList<string>();//参数向量
                parseParameter(jsFunctionStr, ref parameters);// 从javascript函数中提取参数向量
                String currentUrl = generateURL(parameters);//根据参数向量构建网页的URL地址
                if(currentUrl!=null)
                    imageUrls.AddLast(currentUrl);    //加入向量

                jsFunctionStartPos = content.IndexOf(jsFunStartIdentifer, jsFunctionEndPos + jsFunEndIdentifer.Length);//寻找开始标识符的为位置
            }
            String nextpageUrl = parseNextpage(ref content);
            return nextpageUrl;
        }
        /**//**
         * 分析页面中下一页链接地址
         * 
         * 先搜索下一页关键标识符，再搜索其链接开始标识符与链接结束标识符
         */
        private String parseNextpage(ref String content)
        ...{
            String nextpageStartIdentifer = "a href=";//下一页链接开始标识符
            String nextpageEndIdentifer = "><";       //下一页链接结束标识符
            String nextpageKeyIdentifer = "下一页";   //下一页关键标识符

            int nextpageKeyPos = content.IndexOf(nextpageKeyIdentifer);
            int nextpageStartPos=-1,nextpageEndPos=-1;
            for (int i = nextpageKeyPos; i > 0; i--)
            ...{
                String candidateStartStr=content.Substring(i,nextpageStartIdentifer.Length);
                if(candidateStartStr.Equals(nextpageStartIdentifer))
                ...{
                    nextpageStartPos=i+nextpageStartIdentifer.Length;//找到链接开始位置
                    break;
                }
            }
            nextpageEndPos = content.IndexOf(nextpageEndIdentifer, nextpageStartPos);//寻找链接结束位置
            String nextpageUrl=null;
            if(nextpageStartPos>=0&&nextpageEndPos>=0)
                nextpageUrl=content.Substring(nextpageStartPos,nextpageEndPos-nextpageStartPos);
            return nextpageUrl;
        }
        /**//**
         * 根据一个参数向量构建网页的URL地址
         * 构造格式为：src=http://'+g+'/it/u='+h+'&gp='+i+'.jpg
         * g,h,i为参数向量的第7,8,9个变量(下标依次为6,7,8)
         * （所有参数依次为：a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q）
         */
        private String generateURL(LinkedList<String> parameters)
        ...{
            String[] paramArray = new String[17];
            int count = 0;
            foreach (String param in parameters)
            ...{
                paramArray[count++] = param; 
            }
            String imageUrl = "http://" + paramArray[6] + "/it/u=" + paramArray[7] + "&gp=" + paramArray[8] + ".jpg";

            String urlKeyIdentifier = "baidu.com";//url地址中必须存在baidu域名，否则提取错误，删除之
            int index=imageUrl.IndexOf(urlKeyIdentifier);

            return (index>0)?imageUrl:null;
        }
        /**//**
         * 
         * 从javascript函数中提取参数向量
         * funURL('0','%CA%F7%D2%B6  ','26631','2&cm=1&sc=0','-1','19','t5.baidu.com','1132581693,1396616653','-36','600','396','104','jpg','http://sucai.dabaoku.com/zhiwu/shuye/206.jpg  ','http://sucai.dabaoku.com/zhiwu/shuye/web/206.htm  ','26631','...?????<strong>??</strong>????206  ');
         * 分析结果为：以"--"字符隔开
         * 0--%CA%F7%D2%B6  --26631--2&cm=1&sc=0---1--19--t5.baidu.com--1132581693,1396616653
         * ---36--600--396--104--jpg--http://sucai.dabaoku.com/zhiwu/shuye/206.jpg  
         * --http://sucai.dabaoku.com/zhiwu/shuye/web/206.htm  --26631--...?????<strong>??</strong>????206 
         */
        private void parseParameter(String jsFunctionStr, ref LinkedList<String> parameters)
        ...{
            String startIdentifer = "'";//参数开始标识符
            String endIdentifer = "'";  //参数结束标识符 
            //分析参数信息
            int currentPos = 0;
            int paramStartPos = jsFunctionStr.IndexOf(startIdentifer, currentPos);
            int paramEndPos = paramStartPos;
            while (paramStartPos >= 0)
            ...{
                paramStartPos=paramStartPos + startIdentifer.Length;
                paramEndPos = jsFunctionStr.IndexOf(endIdentifer, paramStartPos);//寻找结束标识符的为位置
                if (paramEndPos < paramStartPos|| paramEndPos <= 0)
                    break;

                String parameter = jsFunctionStr.Substring(paramStartPos, paramEndPos - paramStartPos);
                parameters.AddLast(parameter);
                paramStartPos = jsFunctionStr.IndexOf(startIdentifer, paramEndPos + endIdentifer.Length);//寻找开始标识符的为位置
            }
       
        }
    }
}

搜索结果：

下载图片：