通过分析问题，一步步拆解问题，原先不是很确定的人工处理的方案，通过写工具就变成一个非常可靠的解决方案了。
一、背景
前几天，同事突然接到一个紧急需求：将所有的 XXX 文字替换为 YYY 文字。
如果仅仅看着需求，很简单，找到所有的 XXX 替换即可。
但是这个问题在于，这些 XXX 文字都在图片上。
幸运的是，所有图片地址都已经在数据库里面了。
不幸的是，这些图片地址里面有一些无关的文字，需要提取出图片地址。
面对这样的临时需求，该如何找到一个方案来解决呢？
二、手动处理
分析一：虽然文字在图片上，但是有这个文字的图片应该很少。
方案一：先手动把最容易找到的图片替换了。
同事采用了最原始的方案一。
我看到这个方案，问了几个问题。
问题1：图片在数据库替换修复后，外网全部生效需要多生时间？
回答1：新系统需要清洗全量数据（目前有几亿数据）。
问题2：如果花费若干小时清洗完数据了，发现漏了怎么办？
回答2：。。。
问题3：如果人工排查数据库的图片地址，怎么样？
回答3：数据库里图片地址太多，人工不太可行。
对于默认方案，几乎所有人都可以想到。
但是大部分人没去思考默认方案是否可以 100% 的解决问题。
如果没有 100% 解决，代价又是什么。
三、脚本处理
基于手动解决这个问题可能有遗漏，我又问了另外一个问题。
问题4：图片去重后会很多吗？
回答4：不会很多，可能有几十个或一百多个。
明确了图片不是很多，我提出一个方案：写个脚本下载所有图片，然后再人工确认。
同事发出疑问5：文字在图片中，怎么判断图片是否有这个文字？
回答5：图片全部下载下来，人眼看就行了。
接着同事提出下个问题6：图片地址在数据库中，URL夹杂在其他文本中，怎么办？
回答6：先从数据库导出含图片地址的文本数据，分析一下数据，处理一下数据，提取出图片地址即可。
同事好像还是不明白的意思，于是我说：我来写这个工具吧。
四、脚本工具
问题很明确了，我们需要几步来处理。
1、导出文本数据
2、处理文本数据，得到所有图片地址并去重
3、下载所有图片地址
4、人工快速找到有对应文字的图片与地址
第一步：一条 SQL导出数据。
大概如下：
1. mysql -e "select field1,field2 from table" > data_001.txt`
第二步：分析数据特征。
分析数据后，发现有下面三个特征。
1、图片地址中没有逗号和空格，数据库中多个图片地址会用逗号或者分隔。
2、对于图片地址，都是都有 http 前缀。
3、部分图片地址，在 http 前有一些其他连续字符，大概格式时 xxx=http，而且 xxx 以数字为前缀。
第三步：对数据标准化。
我敲了几个命令就得到了想要的图片地址。
1. sed 's/[; ]/\n/g' #将所有的逗号和空格替换为换行`
2. grep "http" #筛选出图片地址`
3. sed 's/^[0-9]\+[^=]\+=//' #去除 xxx= 数字前缀`
4. sort #排序`
5. uniq #去重`
由此，就只剩最后一步：下载所有图。
image
下载后，windows 文件夹调整为 中等图标，就可以预览所有图标了。
PS：同事又问怎么根据数字图片名找到图片地址呢？ 我只说了两个字：行号。
后来，我发现也可以不下载图片，于是我就生成了一个包含所有图片的 HTML， 浏览器打开就可以看到所有图片了。
image
五、最后
当然，下载所有图片后，发现只有一张图片有目标文字。
但是第二个方案却比第一个方案更可靠。
因为第一个方案具有不确定性，万一没有彻底修复就需要花费很多时间再来一次。
而第二个方案花了我五分钟，就 100% 确保彻底解决了这个问题。
写这篇文档的目的是想告诉大家，很多事情可以通过脚本工具化来解决。
而写这些脚本工具也并没有想象的那么难（并不需要图片识别），也没有浪费多少时间（5分钟）。
但是，脚本化可以得到一个靠谱的解决方案。
总的来说，通过分析问题，一步步拆解问题，原先不是很确定的人工处理的方案，通过写工具就变成一个非常可靠的解决方案了。
2019-08-21 晴天 《完》
-EOF-
本文公众号：天空的代码世界
个人微信号：tiankonguse
QQ算法群：165531769（不止算法）
知识星球：不止算法
网友评论