1. 项目概述：从零到一，构建你的动漫下载利器

最近在技术社区和论坛里，经常看到有刚入门Python的朋友在问，学了基础语法和几个库之后，有什么项目可以拿来练手，既能巩固知识，又能做出点实用的东西。我总会推荐他们试试写一个网络爬虫，特别是资源下载类的。这类项目麻雀虽小，五脏俱全，涵盖了请求发送、数据解析、文件操作、异常处理等核心技能，如果再加上多线程，还能深入理解并发编程，实战价值非常高。今天，我就以“樱花动漫”这个许多动漫爱好者熟悉的站点为例，带大家手把手实现一个支持多线程下载的爬虫。这个项目非常适合新手练习，我会把每一步的原理、踩过的坑以及优化思路都讲透，并提供完整的、可直接运行的源码。无论你是想批量下载追更的番剧，还是单纯想通过一个完整项目提升自己的Python功力，这篇文章都能给你带来实实在在的收获。

整个项目的核心思路并不复杂：首先，我们要模拟浏览器访问目标动漫的详情页面，从中提取出所有视频分集的真实播放地址。然后，针对每个分集地址，启动一个独立的下载线程，将视频文件保存到本地。难点在于如何从网页复杂的结构中精准定位到我们需要的链接，以及如何让多个下载任务高效、稳定地并行运行，同时还要处理好网络请求中的各种异常，避免程序轻易崩溃。接下来，我会把这整个过程拆解成清晰的步骤，并附上详细的代码注释，确保即使你是第一次接触爬虫，也能跟着做出来。

2. 核心思路与工具选型解析

2.1 为什么选择这个项目作为练习？

对于新手而言，选择一个合适的练手项目至关重要。它应该难度适中，覆盖知识点全面，并且能带来可见的成果，从而获得正向反馈。“动漫视频下载爬虫”完美契合这些点。首先，它需求明确：输入一个动漫主页链接，输出本地的一集集视频文件。其次，它技术栈典型：涉及HTTP请求（requests库）、HTML解析（BeautifulSoup或lxml）、文件I/O操作，以及进阶的多线程（threading或concurrent.futures）。最后，它具有扩展性：完成基础功能后，你可以很容易地为其添加进度显示、失败重试、代理支持、图形界面等功能，逐步把它打造成一个更强大的工具。

在动手之前，我们必须明确一个重要的前提：本项目的目的是技术学习与交流。所有的代码实践都应遵守相关网站的服务条款，尊重版权，仅用于下载可供个人观看的公开内容，且不得用于任何商业或批量盗版用途。在实际编写时，我们会注重程序的健壮性和友好性，例如添加延迟以避免对目标服务器造成过大压力。

2.2 关键技术栈与库的选择

工欲善其事，必先利其器。下面是我们实现这个爬虫需要用到的主要Python库及其选型理由：

1. requests：这是处理HTTP请求的事实标准。相比Python内置的urllib，requests的API设计更加人性化，代码简洁易懂，对于新手极其友好。我们将用它来获取网页的HTML源代码和下载视频二进制流。
2. BeautifulSoup4(bs4)：HTML/XML解析库。网页结构就像一棵树，我们需要从中找到存放视频链接的“果子”。BeautifulSoup提供了非常直观的方式来遍历和搜索这棵树，例如通过标签名、CSS类名、ID等来定位元素。虽然lxml解析速度更快，但BeautifulSoup结合lxml作为解析器在易用性和性能上取得了很好的平衡，是新手入门解析库的最佳选择。
3. concurrent.futures中的ThreadPoolExecutor：这是实现多线程下载的核心。Python标准库中的threading模块更底层，需要手动管理线程的创建、启动和同步。而ThreadPoolExecutor提供了一个高层次的异步执行接口，我们可以像提交任务到线程池一样，轻松实现并发下载，大大简化了代码复杂度。它内部帮我们管理了线程池的大小和任务队列，我们只需要关注“做什么”和“什么时候做”。
4. os/pathlib：用于本地目录和文件路径的操作。例如，检查下载目录是否存在、为每部动漫创建独立的文件夹、拼接保存视频的文件路径等。pathlib是Python3.4+引入的面向对象的路径库，比传统的os.path更现代、易用。

注意：在运行代码前，请确保已安装上述库。可以通过pip命令一键安装：pip install requests beautifulsoup4。concurrent.futures和os、pathlib是Python标准库，无需额外安装。

2.3 项目整体架构设计

在开始写代码前，我们先在脑子里搭好框架。整个程序可以划分为三个核心模块，它们依次执行，形成一条清晰的工作流：

1. 页面解析与链接提取模块：

   • 输入：用户提供的动漫详情页URL。
   • 过程：使用requests获取该页面HTML；使用BeautifulSoup解析HTML，定位到包含所有分集链接的列表区域；遍历这个列表，提取出每一集对应的播放页面链接或直接的文件链接。
   • 输出：一个包含所有分集链接（或播放页链接）的Python列表。

2. 真实视频地址获取模块：

   • 输入：上一步得到的分集播放页面链接列表。
   • 过程：对于每个播放页链接，再次发起请求，解析其HTML。这次的目标是找到隐藏在页面中的视频源文件地址（通常是.mp4或.m3u8结尾的链接）。这个地址可能直接暴露在<video>标签的src属性里，也可能需要通过分析网络请求（XHR）或解密一段JavaScript代码才能获得。本项目我们会以处理相对简单直接的情况为例。
   • 输出：一个包含所有分集真实视频文件直链的列表。

3. 多线程下载与存储模块：

   • 输入：真实视频文件直链列表。
   • 过程：创建下载目录；使用ThreadPoolExecutor创建一个线程池；将每个“下载单个文件”的任务（函数）提交到线程池；线程池自动分配空闲线程去执行下载任务；每个下载任务需要将网络流写入本地文件，并处理可能出现的网络超时、连接错误等异常。
   • 输出：本地硬盘上保存好的所有视频文件。

这个架构清晰地将“找链接”和“下文件”解耦，使得代码更易于维护和调试。接下来，我们就进入最核心的实操环节。

3. 核心细节解析与实操要点

3.1 逆向分析：如何找到视频的真实地址？

这是爬虫项目中最具挑战性也最有趣的部分。网站不会直接把视频文件的地址放在页面上让你轻易拿走，它们会通过各种方式保护资源。我们的任务就是像侦探一样，找出这些地址。

第一步：分析动漫详情页结构打开一部动漫的详情页（例如：https://www.yhdm.tv/show/1234.html），按下F12打开浏览器开发者工具。

1. 切换到“元素”（Elements）面板，使用左上角的箭头工具，点击页面上的某一集（如“第1集”）。
2. 工具会自动在HTML代码中高亮显示对应的元素。通常，剧集列表会被包裹在一个<ul>或<div>容器中，每个剧集对应一个<a>标签，其href属性就是该集的播放页面链接。
3. 我们需要找到这个容器独有的特征，比如一个特定的id（如#playlist）或class（如.episode-list）。记下这个特征，我们的解析代码将依靠它来定位。

第二步：分析视频播放页结构点击进入某一集的播放页面。

1. 再次打开开发者工具，这次切换到“网络”（Network）面板。清空现有记录，然后刷新页面。
2. 在筛选器中选择“媒体”（Media）类型。你很可能会看到一个或多个以.mp4、.m3u8结尾的请求，这就是视频文件本身或视频流列表。
3. 点击这个请求，查看其“标头”（Headers），其中的“请求URL”（Request URL）就是最真实的视频地址。复制这个地址，在浏览器新标签页打开，如果能直接播放或下载，那就找对了。
4. 回到“元素”面板，搜索这个URL，看它是否直接存在于页面的某个<video>标签的src属性中，或者隐藏在某个JavaScript变量里。对于简单的站点，很可能就在<video src="...">里。对于复杂站点，可能需要解析JavaScript或模拟Ajax请求。

实操心得：不同网站的视频地址获取方式千差万别。有些网站使用m3u8流媒体格式，这需要额外的库（如m3u8）来解析和下载。作为新手项目，我们优先选择那些视频地址直接暴露或相对容易获取的案例。如果遇到动态加载（即滚动页面才加载视频）或强加密的网站，可能需要用到Selenium模拟浏览器或分析其API接口，这属于进阶内容。本项目假定我们已找到一个可以直接从播放页HTML中解析出.mp4直链的方法。

3.2 多线程设计：如何高效且友好地下载？

单线程下载就像一个人搬砖，一集下完再下另一集，如果有一集很大或网络慢，整个过程就会卡住。多线程则是组织一个搬砖小队，同时搬多块砖，效率成倍提升。

关键参数：线程池大小 (max_workers)ThreadPoolExecutor(max_workers=5)中的max_workers决定了同时运行的线程数量。这不是越大越好。

• 设置过小（如1-2）：无法充分利用网络带宽和CPU I/O等待时间，并发优势不明显。
• 设置过大（如50-100）：会瞬间对目标服务器发起大量连接，容易被对方识别为攻击而导致IP被封禁。同时，创建大量线程本身也会消耗系统资源。
• 经验值：对于文件下载这种I/O密集型任务（大部分时间在等待网络传输），通常设置为5到10是个比较稳妥的选择。它能在提升速度和保持友好之间取得平衡。你可以根据自家网络带宽和目标服务器的响应情况微调这个值。

任务提交与回调我们将“下载单个文件”定义为一个函数，例如download_one(url, save_path)。然后，遍历所有视频链接，将每个链接和对应的保存路径打包成一个任务，提交给线程池。

with ThreadPoolExecutor(max_workers=5) as executor: # 使用列表推导式提交所有任务，future对象代表一个异步执行的结果 futures = [executor.submit(download_one, video_url, save_path) for video_url, save_path in task_list] # 可以在这里等待所有任务完成，并获取结果（或异常） for future in concurrent.futures.as_completed(futures): try: result = future.result() # 如果任务成功，result是函数返回值 print(f"下载成功: {result}") except Exception as e: print(f"下载失败: {e}")

使用as_completed()可以让我们在任务完成时（无论成功失败）立即得到通知，而不是等所有任务都提交完才开始处理结果，这样更及时。

4. 实操过程与核心环节实现

下面，我将结合代码，分步讲解如何实现这个爬虫。请跟随步骤，在自己的开发环境中尝试。

4.1 环境准备与基础函数编写

首先，创建一个新的Python文件，比如anime_downloader.py，并导入必要的库。

import requests from bs4 import BeautifulSoup from concurrent.futures import ThreadPoolExecutor, as_completed import os from pathlib import Path import time import logging # 配置日志，方便查看运行状态和错误 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') logger = logging.getLogger(__name__) # 设置一个通用的请求头，模拟浏览器访问，避免被简单的反爬机制拦截 HEADERS = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36' }

编写一个通用的网页获取函数，它包含简单的错误重试机制。

def fetch_page(url, retries=3, delay=2): """ 获取网页内容，支持重试 :param url: 目标URL :param retries: 重试次数 :param delay: 重试延迟（秒） :return: 成功则返回响应文本，失败返回None """ for attempt in range(retries): try: resp = requests.get(url, headers=HEADERS, timeout=10) resp.raise_for_status() # 如果状态码不是200，抛出HTTPError异常 # 可以在这里检查编码，通常用resp.encoding或apparent_encoding resp.encoding = resp.apparent_encoding return resp.text except requests.exceptions.RequestException as e: logger.warning(f"第{attempt+1}次尝试获取 {url} 失败: {e}") if attempt < retries - 1: time.sleep(delay) # 失败后等待一段时间再重试 else: logger.error(f"获取 {url} 最终失败") return None

4.2 解析详情页，获取分集链接列表

假设我们分析的详情页中，剧集列表的HTML结构如下（这是简化的示例，实际结构需根据目标网站调整）：

<div class="playlist"> <ul id="episode-list"> <li><a href="/play/1234-1.html">第1集</a></li> <li><a href="/play/1234-2.html">第2集</a></li> <!-- ... 更多集数 --> </ul> </div>

我们的解析函数需要找到id="episode-list"的ul，然后提取其下所有a标签的href。

def parse_episode_links(detail_page_url): """ 从动漫详情页解析出所有分集的播放页面链接 :param detail_page_url: 动漫详情页URL :return: 分集播放页链接列表 (list of str) """ html_content = fetch_page(detail_page_url) if not html_content: return [] soup = BeautifulSoup(html_content, 'html.parser') episode_links = [] # 关键：这里的选择器需要根据实际网站结构调整 # 示例：找到id为‘episode-list’的ul，再找其下所有的a标签 episode_list = soup.find('ul', id='episode-list') if not episode_list: # 如果id找不到，尝试用class或其他属性 episode_list = soup.find('div', class_='playlist').find('ul') if soup.find('div', class_='playlist') else None if episode_list: for a_tag in episode_list.find_all('a', href=True): link = a_tag['href'] # 处理相对链接，将其补全为绝对链接 if link.startswith('/'): # 假设基础域名是 ‘https://www.yhdm.tv’ base_url = 'https://www.yhdm.tv' full_link = base_url + link else: full_link = link episode_links.append(full_link) logger.debug(f"找到分集链接: {full_link}") else: logger.error("无法定位到剧集列表，请检查网页结构或选择器。") # 有时列表可能是倒序的，可以根据需要反转 # episode_links.reverse() logger.info(f"共解析到 {len(episode_links)} 个分集链接。") return episode_links

4.3 解析播放页，提取真实视频地址

这是最核心的一步。假设在播放页，视频地址直接放在一个video标签的src属性里。

<video id="my-video" controls> <source src="https://vip.example.com/1234-1.mp4" type="video/mp4"> </video>

对应的解析函数如下：

def parse_video_url(play_page_url): """ 从分集播放页解析出真实的视频文件地址 :param play_page_url: 分集播放页URL :return: 视频文件直链 (str)， 解析失败则返回None """ html_content = fetch_page(play_page_url) if not html_content: return None soup = BeautifulSoup(html_content, 'html.parser') video_url = None # 方案1：直接查找video标签下的source标签 source_tag = soup.find('source', src=True) if source_tag: video_url = source_tag['src'] else: # 方案2：有些网站可能直接把src放在video标签上 video_tag = soup.find('video', id='my-video') # 根据实际id调整 if video_tag and video_tag.get('src'): video_url = video_tag['src'] if video_url: # 同样，处理可能的相对地址 if video_url.startswith('//'): video_url = 'https:' + video_url elif video_url.startswith('/'): base_url = 'https://www.yhdm.tv' video_url = base_url + video_url logger.info(f"从 {play_page_url} 解析到视频地址: {video_url}") return video_url else: logger.warning(f"无法从 {play_page_url} 解析出视频地址，请检查页面结构。") # 更复杂的情况：可能需要分析网络请求，这里作为扩展点 return None

4.4 实现单文件下载函数

这个函数负责最底层的下载任务。我们使用requests的流模式(stream=True)来下载大文件，这样可以避免一次性将整个文件加载到内存。

def download_one(video_url, save_path, chunk_size=8192): """ 下载单个视频文件 :param video_url: 视频文件直链 :param save_path: 本地保存路径（完整路径，包含文件名） :param chunk_size: 每次下载的数据块大小（字节） :return: 成功返回保存路径，失败抛出异常 """ # 确保保存目录存在 save_dir = os.path.dirname(save_path) Path(save_dir).mkdir(parents=True, exist_ok=True) logger.info(f"开始下载: {video_url} -> {save_path}") try: # 流式请求 with requests.get(video_url, headers=HEADERS, stream=True, timeout=30) as r: r.raise_for_status() total_size = int(r.headers.get('content-length', 0)) downloaded = 0 with open(save_path, 'wb') as f: for chunk in r.iter_content(chunk_size=chunk_size): if chunk: # 过滤掉keep-alive连接产生的空chunk f.write(chunk) downloaded += len(chunk) # 可以在这里添加进度显示（例如，每下载1MB打印一次） # if total_size > 0 and downloaded % (1024*1024) < chunk_size: # progress = downloaded / total_size * 100 # logger.info(f"下载进度: {progress:.1f}%") logger.info(f"下载完成: {save_path} (大小: {downloaded/1024/1024:.2f} MB)") return save_path except requests.exceptions.RequestException as e: logger.error(f"下载失败 {video_url}: {e}") # 如果下载失败，可以选择删除不完整的文件 if os.path.exists(save_path): os.remove(save_path) raise e # 重新抛出异常，让上层调用者处理

4.5 整合：主函数与多线程调度

现在，我们把所有模块组合起来，并用ThreadPoolExecutor管理多线程下载。

def main(anime_url, save_root_dir='./downloads', max_workers=5): """ 主函数：协调整个下载流程 :param anime_url: 动漫详情页URL :param save_root_dir: 下载文件保存的根目录 :param max_workers: 线程池最大工作线程数 """ logger.info(f"开始处理动漫: {anime_url}") # 1. 解析详情页，获取所有分集播放页链接 episode_page_links = parse_episode_links(anime_url) if not episode_page_links: logger.error("未获取到任何分集链接，程序退出。") return # 2. 为每集解析真实的视频地址 video_urls = [] for idx, ep_link in enumerate(episode_page_links, start=1): logger.info(f"正在解析第 {idx}/{len(episode_page_links)} 集地址...") video_url = parse_video_url(ep_link) if video_url: video_urls.append((idx, video_url)) # 保存集数和地址的元组 time.sleep(1) # 每次解析后暂停1秒，避免请求过快 if not video_urls: logger.error("未能解析出任何有效的视频地址，程序退出。") return # 3. 准备下载任务列表 (视频地址, 本地保存路径) tasks = [] # 可以为动漫创建一个文件夹，用详情页URL的最后一部分作为文件夹名 anime_name = anime_url.strip('/').split('/')[-1].replace('.html', '') anime_save_dir = Path(save_root_dir) / anime_name anime_save_dir.mkdir(parents=True, exist_ok=True) for idx, v_url in video_urls: # 生成本地文件名，例如：第01集.mp4 file_name = f"第{idx:02d}集.mp4" save_path = anime_save_dir / file_name tasks.append((v_url, str(save_path))) logger.info(f"准备下载 {len(tasks)} 个视频文件到目录: {anime_save_dir}") # 4. 使用线程池并发下载 successful_downloads = 0 failed_downloads = [] with ThreadPoolExecutor(max_workers=max_workers) as executor: # 提交所有任务到线程池 future_to_url = {executor.submit(download_one, url, path): (url, path) for url, path in tasks} # 处理完成的任务 for future in as_completed(future_to_url): url, path = future_to_url[future] try: result = future.result() # 等待任务完成并获取结果 successful_downloads += 1 logger.info(f"任务成功: {path}") except Exception as exc: logger.error(f"任务失败: {url} 生成异常: {exc}") failed_downloads.append((url, path, exc)) # 5. 下载结果汇总 logger.info("="*50) logger.info(f"下载任务全部完成！") logger.info(f"成功: {successful_downloads} 个") logger.info(f"失败: {len(failed_downloads)} 个") if failed_downloads: logger.info("失败的下载任务列表:") for url, path, exc in failed_downloads: logger.info(f" - URL: {url}") logger.info(f" 路径: {path}") logger.info(f" 错误: {exc}") logger.info(f"文件保存在: {anime_save_dir}") if __name__ == '__main__': # 示例：替换成你想下载的动漫详情页URL target_url = "https://www.yhdm.tv/show/1234.html" # 请替换为实际有效的URL # 调用主函数，指定保存目录和并发线程数 main(anime_url=target_url, save_root_dir='./我的动漫下载', max_workers=5)

5. 常见问题与排查技巧实录

在实际运行过程中，你几乎一定会遇到各种各样的问题。下面我整理了一些典型问题及其排查思路，这比代码本身更有价值。

5.1 网页解析失败，找不到剧集列表或视频地址

这是最常见的问题，根本原因在于你的解析代码（选择器）与目标网站的实际HTML结构不匹配。

排查步骤：

1. 确认URL和网络：首先手动在浏览器中打开你代码里使用的detail_page_url，确认页面能正常加载，并且能看到剧集列表。
2. 保存网页源码：在fetch_page函数获取到HTML后，可以将其临时保存到本地文件，方便仔细查看。

   with open('debug_page.html', 'w', encoding='utf-8') as f: f.write(html_content)

   用浏览器打开这个debug_page.html，看看和你在线看到的页面是否一致。如果不一致，说明网站可能对非浏览器访问返回了不同的内容（反爬虫机制）。
3. 检查请求头：确保HEADERS中包含了必要的字段，特别是User-Agent。有些网站还会检查Referer或Cookie。你可以从浏览器开发者工具的“网络”面板中，复制某个成功请求的完整请求头，替换到代码中。
4. 动态内容：如果保存的HTML里根本没有剧集列表，但浏览器里能看到，那说明列表是JavaScript动态加载的。这种情况下，requests+BeautifulSoup的组合就无能为力了，你需要使用Selenium或Playwright这类能驱动真实浏览器的工具，或者更高级地，找到网站加载数据的API接口（XHR请求），直接模拟那个请求。
5. 调整选择器：使用浏览器的“检查”功能，仔细查看剧集列表或视频元素的外层容器。尝试使用更通用或更具体的选择器。例如，如果id是动态的，就改用class；如果class很多，就组合使用标签和属性。

   # 尝试多种选择器 soup.find('div', {'class': 'playlist'}) soup.select('div.module-play-list > ul') # 使用CSS选择器 soup.find_all('a', string=lambda text: text and '第' in text and '集' in text) # 根据链接文本查找

5.2 下载速度慢，或下载中途失败

可能原因及对策：

1. 网络问题：这是最可能的原因。可以尝试：
   • 增加超时时间：requests.get(..., timeout=(10, 30))，第一个是连接超时，第二个是读取超时。
   • 添加重试机制：我们已经在fetch_page中实现了简单的重试，对于下载函数download_one也可以考虑加入重试逻辑，特别是针对连接超时或读超时错误。
   • 使用会话（Session）：requests.Session()可以复用TCP连接，对大量请求有小幅提速效果。
2. 服务器限速或封禁：如果你开太多线程（如50个）疯狂下载，服务器可能会暂时限制或封禁你的IP。
   • 降低并发数：将max_workers调小，比如从10降到3或5。
   • 添加随机延迟：在提交任务或每个下载任务开始前，随机睡眠一小段时间，模拟人类操作。

     import random time.sleep(random.uniform(0.5, 2.0)) # 随机睡眠0.5到2秒

   • 使用代理IP：这是一个进阶方案，需要寻找可靠的代理IP池，并在请求时通过proxies参数设置。
3. 本地磁盘I/O瓶颈：如果同时下载多个大文件到同一个机械硬盘，磁盘写入可能会成为瓶颈。
   • 可以考虑将max_workers设置得略高于CPU核心数，但不宜过高。
   • 如果可能，将文件下载到不同的物理磁盘或SSD上。

5.3 下载的文件损坏或无法播放

可能原因：

1. 未使用流模式或写入错误：确保download_one函数中使用了stream=True，并且是以二进制模式('wb')写入文件。文本模式('w')会破坏视频的二进制数据。
2. 网络中断导致文件不完整：我们的代码在捕获到异常后删除了不完整的文件，这是一个好习惯。但你也可以考虑实现“断点续传”，这需要服务器支持Range请求头，实现起来更复杂。
3. 视频地址解析错误：下载下来的可能不是一个真正的视频文件，而是一个错误页面（如404页面）的HTML。在下载完成后，可以简单检查一下文件大小（异常小）或用file命令（Linux/Mac）检查文件类型。最根本的解决办法是确保parse_video_url函数解析出的地址是正确的。

5.4 程序运行一段时间后卡住或无响应

排查思路：

1. 线程池未正确关闭：确保使用了with ThreadPoolExecutor(...) as executor:上下文管理器，它能保证在所有任务完成后正确关闭线程池。
2. 某个任务陷入死循环或长时间阻塞：检查download_one函数中的循环和网络请求。为网络请求设置合理的超时时间非常重要。
3. 资源泄露：虽然Python有垃圾回收，但在大量创建对象时仍需注意。确保文件对象（open(...)）和响应对象（requests.get的返回值）在使用完毕后被正确关闭（我们使用了with语句，这是最佳实践）。
4. 日志输出过多导致I/O阻塞：如果下载任务非常多，每个任务都打印大量日志到控制台，可能会拖慢速度。可以考虑将日志级别调整为WARNING或ERROR，只记录重要信息，或者将日志输出到文件。

把这个项目跑通，你收获的不仅仅是一个能用的动漫下载器，更是一套解决此类问题的通用方法论。从环境搭建、库的选择，到逆向分析网页、处理动态内容，再到设计稳健的多线程架构和异常处理，每一步都是爬虫工程师的必备技能。当你成功运行起这个程序，看到文件一个个被下载到本地时，那种成就感就是学习编程最好的动力。如果在实现过程中遇到上面没覆盖到的问题，多利用搜索引擎，多看官方文档和社区讨论，你解决问题的能力会在这个过程中飞速成长。