21-2 用捷径把要扒的目标扒下来

在了解了扒网页的原理，了解了从什么地方扒，以及如何扒什么之后。剩下的问题就是工具层面了，也就是我们如何用捷径来扒网页。这个问题就非常简单了，我们先回顾一下需求，以及我们知道的规律。

我们的需求：

1. 扒高清配图
2. 为配图配上合适的标题
3. 存到文件应用里

我们已经知道的规律：微博配图的原图链接都带有 sinaimg.cn/large/ 这个部分。

根据这些，再加上之前我们学过的捷径知识，就足以完成这个自动化的操作。

第一步：获取 HTML 文件

在捷径里想要获取一个链接的 HTML 文件，需要用到的操作组合是「获取 URL 内容」+「用多信息文本制作 HTML」：

另外大家可以注意到，图里我们除了「获取 URL 内容」+「用多信息文本制作 HTML」之外，还用到了「获取剪贴板」以及「从输入中获取 URL」这两个操作。

这是因为微博官方客户端不能使用共享表单，所以我们只能复制链接再运行捷径，这就需要「获取剪贴板」这个操作。而如果你使用第三方客户端，那有的第三方客户端在复制微博链接、或者是运行共享表单时，会带有微博原文。所以为了保险起见，我们在这里加入了「从输入中获取 URL」这个操作，它可以过滤掉不属于 URL 的内容，只把我们需要的微博链接给传输出来。

第二步：获取微博配图链接

获取微博配图链接我们只需要一步——「匹配文本」。在这一步，我们就要获取原微博的 HTML 文件中所有带有 sinaimg.cn/large/ 这个部分的链接，因为它们都是我们想要的微博配图原图。

之前我们已经见过完整的微博配图链接，比如这样：http://wx1.sinaimg.cn/large/6682c0e7gy1flcswo7pr1j20cn0hxgnc.jpg。我们可以看出，在 sinaimg.cn/large/ 之前有一部分字符，在 sinaimg.cn/large/ 之后还有一部分字符。

所以最简单的匹配，我们可以理解为，我们要匹配的文本，就是 随便什么sinaimg.cn/large/随便什么，只要它们在同一行就行¹ 。而捷径在匹配文本的时候就是按行（或者更准确地说，按段）匹配的，正好可以应对这种情况。

那也就是说，我们只要获取 HTML 文件（在第一步已经搞定），就可以开始匹配：

根据我们最简单的匹配思路 随便什么sinaimg.cn/large/随便什么，这里的 随便什么 在正则表达式里对应的符号组合是 .*。其中 . 是任意一个字符，而 * 是匹配 0 次或多次。两者结合，.* 的意思就是，匹配任意字符 0 次或多次。这样不管 sinaimg.cn/large/ 的前面后面有没有东西，不管 sinaimg.cn/large/ 的前面后面有多少字符，都可以匹配得出来。

虽然这个方法最便于理解，但是它还是会匹配到一些不属于链接的内容。如果我们直接这样去匹配的话，会发现匹配到的是这样的东西："url": "http://wx1.sinaimg.cn/large/6682c0e7gy1flcswo7pr1j20cn0hxgnc.jpg",。而我们只想要其中属于链接的那部分，也就是 http://wx1.sinaimg.cn/large/6682c0e7gy1flcswo7pr1j20cn0hxgnc.jpg，该怎么办？

不要忘了我们第一步里介绍过的「从输入中获取 URL」。它可以帮我们把不属于链接的部分去除，只留下我们想要的链接部分。

所以我们要在「替换文本」下面接上「从输入中获取 URL」了吗？还不到时候。因为我们实际上要做的是批量获取微博配图，这时候「替换文本」这一步下面获取到的很有可能不只是一个链接而是多个链接，这时候我们就需要使用「重复」相关的操作来批量处理这些链接。

第三步：批量处理配图

我们接下来要在捷径中，针对上一步多个对象，进行同样的处理。而这种情况下我们要使用的重复操作就是「每个项目重复」：

而其中第一个的操作，就是从「输入中获取 URL」。这一步的意思是，对于上一步传入的匹配过的文本，我们把里面的（配图）链接给取出来。

接下来的第二个操作，我们用「获取 URL 内容」把链接中的图片下载下来。

再下载完图片后，第三个操作，我们要为图片加上标题。加标题要使用的操作是「设定名称」，当我们上一步传进来的是一个文件，下一步是要保存的位置时，我们就可以在中间加一个「设定名称」来为这个文件命名。

在这里，要多说一下图片名称的这个逻辑。我们想要自动化，也就是要尽量减少手动的步骤，所以我们不会为每张图片单独命名，而在这里我采用的方法是一次命名，随后为图片加上编号。比如：

• 「猫的品种与价格–1」
• 「猫的品种与价格–2」
• 「猫的品种与价格–3」
• ……

其实最开始我连手动命名这一步都想省去，打算直接把微博原文当作图片标题的主干部分。但是后来发现有的博主文案太长，不适合当标题，所以才退而求其次手动输一下标题。

看「设定名称」这一步的细节，我们会发现里面有「要求输入」和「重复索引」这两个魔法变量：

「重复索引」我们之前在《重复相关的操作》介绍过，它代表了重复运行的次数。一个「重复」操作，运行 1 次，它的「重复索引」就是 1，运行 2 次，它的「重复索引」就是 2，依此类推。

那么另一个魔法变量「要求输入」是从哪来的？

其实它来自「要求输入」这个操作，因为我们要手动输入一次配图的标题。那么「要求输入」这个操作我们放在了哪呢？答案是开头。

放在开头的原因有三个：第一是我们这个捷径整体操作和连贯，「要求输入」这个操作不能放在任意两个操作之间，否则就会改变操作之间传输的内容，捷径就会失效。第二是它也不能放到「重复」的过程里，因为如果把「要求输入」放进「重复」，那么每重复一次我们就得输入一次标题。第三是「要求输入」必须出现在「设定名称」这一步之前，否则「设定名称」就无法调用「要求输入」的结果。

结合这 3 个原因，我们只能把它放在开头。也就是说这个捷径一运行，我们就要输入标题，然后就不用管它让它跑就可以了。

最后，我们要把设好标题的配图存到文件应用中，这时候我们要用到的操作是「储存文件」。这一步的重点是让我们不用手动选择储存位置，不然的话 9 张图那种微博我们就要点 9 次。要做到这一点我们需要关闭「询问储存位置」的开关：

而如果我们在这一步选择了「iCloud 云盘」，那么在「目的路径」中我们就要填写 /Shortcuts 这个路径，或者在它之下的一个已有的文件夹，比如我写的是 /Shortcuts/Download。这个文件夹可以结合 Hazel²  与我的 iMac 进行自动化联动，帮我做到自动整理文件夹内的内容。

小结

至此，我们就掌握了扒网页的思路以及使用捷径来做这件事的方法。

虽然这两篇文章是以「获取微博配图」作为示例，但我要提醒各位不要只把视野局限在扒微博图片这一点上。事实上扒微博图片的方法不止这一种，这篇文章里提供的方法也适用于扒各种网站和各种格式的内容。希望大家多多尝试扒各种网页的内容³ 。

最终效果展示：

存档多张微博配图

捷径下载：保存微博图片