图床更新助手（ImageHostUpdater）

自动抓取网页图片，智能比对基准图，归档更新变体，生成对比报告。

一个跨平台的自动化图床更新工具： 支持从网页（如微信公众号攻略贴）批量下载图片，与本地基准图片进行对比，识别重复图、变体图和未匹配图，并分类归档、生成 Markdown 报告 适用于维护图床、归档攻略图片，或配合 QQ 机器人图床使用

---

功能特性

• 网页图片抓取：支持自定义 CSS 选择器筛选目标图片
• 多维度图像比对：结合感知哈希（aHash, pHash, dHash）与 ORB 特征匹配算法，提高识别准确率
• 自动归档：将匹配到的图片按基准图命名规则保存，未匹配的图会放入 unmatched 文件夹
• 报告生成：输出 Markdown 对比报告，方便人工校验

---

环境依赖

• Python >= 3.8
• 依赖库见 requirements.txt

主要依赖：

• requests（网页抓取）
• beautifulsoup4（HTML 解析）
• pillow（图像处理）
• imagehash（感知哈希）
• opencv-python（ORB 特征匹配）
• numpy（数值计算）

---

快速开始

1. 安装依赖：

   pip install -r requirements.txt
   

2. 准备基准图片：

   • 在项目根目录下新建 images/ 文件夹
   • 将基准图放入其中（文件名即规范名，用于比对和重命名）

3. 运行脚本：

   python main.py
   

4. 输入网页信息

   • URL（必填）：目标网页或攻略贴地址
   • CSS Selector（可空）：例如 #js_content img留空则抓取页面上所有 <img>

5. 查看结果：

   • 已匹配/变体图片：archive/<网页标题>/
   • 未匹配图片：archive/<网页标题>/unmatched/
   • 对比报告：logs/

---

目录结构

ImageHostUpdater/
├── images/             # 基准图目录（必需）
├── archive/            # 抓取图归档目录
├── logs/               # 对比报告
├── main.py             # 主程序入口
├── requirements.txt    # 项目依赖
└── README.md

---

配置说明

• IMG_SELECTOR：CSS 选择器（可在运行时修改），为空则抓取全部 <img>
• USE_ATTRS_IN_ORDER：抓取图片时的属性优先级，常用 ['data-src','data-original-src','src']
• SIM_THRESHOLD：ORB 相似度阈值(默认 0.8，取值范围 0.0-1.0，越高越严格)
• CANON_DIR：基准图片目录（默认 images/）
• ARCHIVE_DIR：归档目录（默认 archive/）
• LOG_DIR：日志/报告目录（默认 logs/）

---

识别算法简要说明

1. 粗筛：计算新图的 aHash / pHash / dHash，与 images/ 中每张基准图比对
2. 精筛：选出距离最近的基准图，使用 ORB 特征点匹配，计算 good_matches / total_matches 得分
3. 判定：
   • 若相似度 ≥ 阈值 → 视为匹配，归档到 archive/<title>/，命名与基准图一致（重复则 _1/_2）
   • 若相似度 < 阈值 → 归档到 archive/<title>/unmatched/