百年百圖の中國（1900-1999）：另類python爬蟲和PIL拼圖

02-01

標題有點長，也有點怪。前半部分文藝向，後半部分python技術向。目的就是用PIL庫得到100張圖的拼圖（成果圖見文末）。

一、百年百圖の中國（1900-1999）

看理想有篇文章，叫《100張照片里的中國》（其實是轉載自單向街書店的），整理了從1900至1999年，20世紀中國每一年的一張照片。從這些定格的畫面里，我們能看到當時的人物面貌和歷史痕迹。每張圖都有簡短的注釋，上圖便是1960年的照片，備註的文字為：

「全民皆兵是毛澤東在20 世紀 50 年代後期提出的做好反侵略戰爭準備和全民防衛思想；平時工作與戰時準備結合起來，要求國防建設和部隊教育訓練必須從戰爭實際出發，必須以人民戰爭基本理論和要求為基礎。」

還有「一生詩意千尋瀑，萬古人間四月天」、時年12歲的林徽因：

還有齊白石，以前看過《白石老人自述》，自傳里涉及其晚年時各種換妻子、生孩子，一家子的輩分、年齡與人物關係非常複雜，至今印象深刻。摘錄一段，感興趣地可以試著繪製出人物關係圖譜：（一九三七年，77歲）

六月二十三日，卽陰曆五月二十六日，寶珠生了個男孩，這是我的第七子，寶珠生的第四子。我在日記上寫道：「二十六日寅時，鐘錶乃三點二十一分也。生一子，名曰良末，字紀牛，號耋根。此子之八字：戊寅，戊午，丙戌，庚寅，為炎上格，若生於前清時，宰相命也。」我在他的命冊上批道：「字以紀牛者，牛，丑也，記丁丑年懷胎也。號以耋根者，八十為耋，吾年八十，尚留此根苗也。」十二月十四日，孫秉聲生，是良遲的長子。良遲是我的第四子，寶珠所生的第一子，今年十八歲，娶的是獻縣紀文達公後裔紀彭年的次女。寶珠今年三十七歲已經有了孫子啦，我們家，人丁可算興旺哪！美中不足的是：秉聲生時，我的第六子良年，乳名叫作小翁子的，病得很重，隔不到十天，十二月二十三日死了，年纔五歲。

而作為一隻喜歡看老照片的吃瓜群眾，順著文中的藤蔓還能摸到諸多攝影集、紀錄片。比如「新浪潮祖母」阿涅斯·瓦爾達導演的《北京的星期天》，一部關於 50 年代北京的紀錄片。沒看錯，就是1955年，很早很早，對不對，好奇的可以去B站看看，20分鐘左右，不長。

B站：北京的星期天：法國紀錄片大師鏡頭下1955年的彩色北京

二、另類python爬蟲和PIL拼圖

安利了那麼多，該講到標題後半部分了。在津津有味的閱讀看理想的原文不到一半時，便忍不住跑去看了《北京的星期天》，之後也沒了耐心繼續看篇幅蠻長的原文，再者單純的下滑頁面，依舊無法全局式的看到百年來的變化，於是決定把這100張照片用python爬蟲爬取下來，再老樣子用PIL庫進行拼圖，正好10X10的布局，完美。

但想快速寫個爬蟲爬取照片時發現原文照片是JS非同步載入出來的，需要用無界面瀏覽器selenium+PhantomJS，或者執行這部分JS代碼，由於一直沒怎麼用過這倆，而且滿腦子想著三下五除二快速爬完了事，還等著美滋滋的拿到拼圖好好欣賞。

2.1 另類python爬蟲

將載入後的網頁源代碼直接複製下來並設置為text，然後直接用lxml進行提取照片url並下載。

（代碼為py2.7）

#! /usr/bin/env pythonn#coding=utf-8nnimport requests nimport urllibnfrom lxml import etreentext=n <!DOCTYPE html>n <html>n <head>n .....................................n......................................... nndom = etree.HTML(text)ntry:n img_src=dom.xpath(//img/@data-src)n print len(img_src)#105個n #print img_srcn for i in range(4,len(img_src)-1): #前四張和最後一張剔除n try:n print i-3n path="./100Picture/{}.jpg".format(i-3) #下載的圖片格式從1開始#1.jpgn urllib.urlretrieve(img_src[i],path)n except:print "image error"nexcept:print "img_src error!"n

2.2 PIL庫實現多圖拼接

拿到這100張照片後，就可以三板斧呼哧呼哧地耍過去了。

2.2.1 圖片重命名

上文爬取圖片時就已經命名為1.jpg-100.jpg了，所以這一步可以跳過，若你手頭有其他圖片集，可以備份後進行如下操作：

import osnpath = r"C:/Users/Administrator/Desktop/100Picture/"nfile_list = os.listdir(path)nsaved_path = os.getcwd() #C:UsersAdministratorDesktopnos.chdir(path)nni = 1n#列印目錄下所有文件: str格式nfor file in file_list:n #print filen new_file = "#%s.jpg"% str(i)n os.rename(file, new_file)n i += 1nos.chdir(saved_path)n

2.2.2 查看照片格式

由於第三部拼圖時需要確保每張縮略圖的大小統一，所以必須提前查看所有照片格式，主要是大小，確定長寬下限，本次分別為500和417：

from PIL import Imagenimport os, sysnn#查看每張圖格式、大小ni=1nj=0nwhile i<101:n try:n im = Image.open("C:/Users/Administrator/Desktop/100Picture/%s.jpg" % i)n print im.format, im.size, im.moden i+=1n j+=1n except IOError:n i+=1nprint jn

2.2.3 PIL拼圖

所有100張圖，均生成為400X400的縮略圖，布局成10X10的方式，需要總畫布大小為4000X4000。其他照片集可以自行DIY。

from PIL import Imagenimport os, sysnmw =400 #每張圖大小：長度n#若不想設置成正方形 #例如：wh=300nms = 10 #列數。每行幾張圖nmsize = mw * msntoImage = Image.new(RGBA, (4000, 4000)) #畫布大小nnfor y in range(1, 11):n for x in range(1, 11):n #try-except：跳過打不開的圖片n try:n fromImage = Image.open("C:/Users/Administrator/Desktop/100Picture/%s.jpg" % str(ms*(y-1)+x))n fromImage =fromImage.resize((400, 400), Image.ANTIALIAS)n toImage.paste(fromImage, ((x-1) * mw, (y-1) * mw))n except IOError:n passnntoImage.show()ntoImage.save(C:/Users/Administrator/Desktop/100Picture_IM.jpg) n

歷經千辛萬苦，得到最終效果圖如下，由左向右、由上向下，從左上角到右下角依次對應1900-1999年的照片：

想要全部100張照片的，網盤鏈接: https://pan.baidu.com/s/1pLTzmuJ 密碼: 8qki（侵刪）

（完）