昨天下午四点十七分，我把那台 2018 年的 ThinkPad T480 从书架底层抽出来，屏幕亮起之前风扇先响了五秒。我打开浏览器，在地址栏里敲下「49图库官方网站下载地址」里给出的那个入口，准备把 2019 年澳门档案图最后一批共 42 张原图拖下来。进度条走到 87% 的时候停住了，停了整整六分钟，最后报了一个 HTTP 502。我盯着那个数字看了很久，不是因为生气下载失败——这种站点的带宽本来就不能指望——而是因为我突然意识到，我居然已经习惯把「87%」这个位置当成一个可以接受的失败点。这个认知比下载失败本身更让人恼火。
我关掉页面，打开终端，用 curl 把同一个地址的响应头抓下来。Content-Length 显示 4,812,336 字节，服务器是 nginx，返回 502 的那次连 Content-Length 都没给全。
这件事的荒谬之处在于信息的不对称。你在页面上看到的是一个漂亮的图片列表，缩略图排得整整齐齐，每张下面标注着期号和分类，点击下载按钮之后发生的事情——分片请求、CDN 回源、超时重试——全都藏在黑箱里。我后来去翻了一些技术文档，发现这类图库站点的图片分发通常走的是「列表页 → 详情页 → 原图直链」三段式，中间任何一段的链路抖动都会让下载变成一场碰运气。这不是 49 图库独有的问题，但当我真的需要那 42 张图来做一份港澳视觉档案的比对时，这个问题就变得非常具体了。我甚至一度怀疑是不是我的网络问题，直到我换到手机热点、又换到另一台机器上试了三次，才确认问题出在源站。
顺便说一句，那台 T480 的电池已经鼓了，我把它垫在一本 2015 年的《中国摄影》合订本上，角度刚刚好。这个细节没有任何技术意义，但我写下来是因为它构成了我那天下午的全部物理环境。
我真正想说的其实是另一个层面的事。像「下载49图库资料图片」这样的动作，看起来只是点一下按钮，实际上它牵涉到入口选择、版本兼容、图片命名规则、以及下载后的归档方式。举个具体的例子：同样是下载 2019 年澳门档案图，从 免费进入49图库 这条路径进去，列表页给的是按日期排序的瀑布流，而如果你用 恢复49图库资料中心新奥门特马4949.49版本 里描述的那种旧版入口，排序逻辑就变成了按期号递增，两者对同一批图片的编号是对不上的。我第一次混用这两个入口的时候，下下来的 42 张图里有 11 张是重复的、3 张是错期的，而我是在全部下载完、解压、按文件名排序之后才发现的。那个下午我坐在桌前，把 42 个文件名和原始列表页对了两遍，花了大概四十分钟。
这个教训后来被我写在一张便签上，贴在显示器边框：「入口决定编号，编号决定去重。」
再说版本问题。49 图库的页面结构在 2023 年到 2024 年之间至少改过两次，具体表现是原图直链的域名后缀从 .jpg 变成了带参数的动态地址，以及详情页里「下载原图」按钮的位置从右下角挪到了图片正下方。这听起来是小改动，但对批量下载来说是灾难性的——旧脚本里的选择器全部失效。我是参考了 免费下载49tk图库 里提到的兼容性思路，才把脚本里的 XPath 改成基于按钮文本匹配，而不是基于位置。改完之后成功率从 61% 提到了 94%，剩下的 6% 是纯粹的源站超时，跟脚本无关。
还有一个绕不开的环节是浏览器。我一开始用默认的 Chrome，但下载大图的时候它会自动把多个请求合并到一个队列里，导致后发的请求被前面的慢请求堵住。后来我换到 qq浏览器网页版入口链接 里提供的那个版本，它的下载管理器允许手动控制并发数，我设成同时 3 个，情况明显好转。这个发现其实挺讽刺的——我原本以为现代浏览器都差不多，但在「同时下载 40 多张 200KB 左右的小图」这个具体场景下，差异是实打实的。我用秒表记了一次：Chrome 下完 42 张用了 11 分 38 秒，换浏览器之后 4 分 52 秒，差了将近 7 分钟。
7 分钟够我泡一杯茶，也够我把上一批下载的图片按 EXIF 时间戳重新排一遍序。那天我两件事都做了。
说到归档，我想单独吐槽一下命名这件事。49 图库的图片文件名是随机的十六位字符串，像「a3f9c2e1b7d84509.jpg」这种，你在本地根本看不出它对应哪一期、哪个分类。我的做法是下载完立刻用列表页抓下来的元数据去重命名，格式是「日期_分类_序号」，比如「20190912_macau_017.jpg」。这一步不做，后面找图就是噩梦。而如果把重命名这一步省了，再多的下载技巧也等于零——你只是把一堆乱码从一个服务器搬到了自己的硬盘上。这是我个人的看法，可能有人觉得文件名无所谓，但我不这么认为。对于一个资料整理者来说，文件名的可读性就是你未来三小时的睡眠时间。
还有一个细节值得记下来：下载的时候不要一次性把整批任务全部丢进去。我试过一次性提交 80 张的下载列表，结果前 20 张正常、中间 30 张全部超时、后面 30 张直接返回 403。后来我改成每 15 张一批，每批之间停 20 秒，成功率就稳定了。这个 20 秒是我试出来的，没有理论依据，但它管用。源站有请求频率限制，这个限制不会写在任何公告里，你只能靠试。
403 那次我把浏览器控制台打开看了一眼，响应体是一段空白的 HTML，连错误提示都不给。这种沉默的拒绝比报错更让人无言。
写到这里我得回到那个 87% 了。后来我并没有把那 42 张图完整下载下来——其中有 5 张在重试了四次之后仍然失败，我放弃了，改从另一个镜像入口补了 3 张，剩下 2 张至今缺失。这件事的不完美让我有点难受，但它也促使我把整个流程写成了文档，包括入口的选择、浏览器的并发设置、分批策略、以及重命名规则。文档现在放在我的本地 wiki 里，标题就叫「下载49图库资料图片 流程备忘」。我写这个页面的目的之一，也是把这份备忘里可以公开的部分整理出来，省得下一个人再对着 87% 的进度条发呆六分钟。
文档里我标了红的一行是：「任何承诺一次下完的教程，都是没真正下过的人写的。」