Question

如果你不熟悉Asirra，它是由微软开发的CAPTCHA技术，它使用猫和狗的识别而不是一串文字进行人工验证。

我想用他们的数百万猫狗图片数据库进行一些机器学习实验，所以我正在尝试编写一个脚本，它会自动刷新他们的网站并定期下载12张图像。不幸的是，对于JavaScript来说，我是一个新手。

问题是，出于非常明显的安全原因，很难找到图像的实际网址，因为它全都是混淆了javascript的背后。我尝试使用Curl查看使用终端应用程序返回的html，这是同样的交易 - 只是javascript。那么，使用脚本，我如何访问实际图像？显然，图像正在传输到我的电脑，因为它们出现在我的屏幕上，但我不知道如何使用脚本捕获这些图像。

另外一个问题是我不想要首先加载的较小图像，我需要只有当你将鼠标悬停在它们上时才出现的较大图像，所以我想我需要覆盖那个javascript函数来给出更大的图像图片也是通过脚本给我的。

我更喜欢Python或C＃中的东西，但我会接受任何东西 - 谢谢！

编辑：他们的公共语料库没有足够的图像供我使用，所以这不起作用。另外，我并不是要求你写我的脚本，只是一些关于如何使用脚本访问全尺寸图像的指导。

Answer 1

尝试使用他们的公共语料库http://research.microsoft.com/en-us/projects/asirra/corpus.aspx

Answer 2

在这里等待答案的时候，我一直在挖掘，最终找到了一种被黑客攻击的方式来完成我想要的工作。

首先，这是一个有点复杂问题的原因（至少对像我这样的javascript新手）是来自ASIRRA的图像通过javascript加载到网页上，这是一种客户端技术。当您使用wget或curl之类的内容下载网页时，这是一个问题，因为它实际上并不运行javascript，它只是下载源html。因此，您无法获得图像。

然而，我意识到使用firefox的“Save Page As ...”正是我所需要的。它运行了加载图像的javascript，然后将它全部保存到我硬盘上的着名目录结构中。这正是我想要自动化的。所以......我发现了一个名为“iMacros”的firefox附加组件并编写了这个宏：

VERSION BUILD=6240709 RECORDER=FX
TAB T=1
URL GOTO=http://www.asirra.com/examples/ExampleService.html
SAVEAS TYPE=CPL FOLDER=C:\Cat-Dog\Downloads  FILE=*

设置循环10,000次，效果很好。事实上，因为它总是保存到同一个文件夹，所以重复的图像被覆盖（这就是我想要的）。

自动刷新并下载Asirra图像

2 个答案: