这套脚本的核心逻辑其实很脏，但有效。微信的文本风控像一堵密不透风的墙，链接、关键词、甚至特定数字组合都会被瞬间吞掉。但图片，至少在2018年这个节点，还是相对宽松的“法外之地”。抖音的链接过不来，那就把链接变成一张图，让用户长按识别，或者更绝一点，直接看图打出一串“口令码”。
我拆解了当时市面上几种“淘口令”式的图片，发现关键就两点：视觉吸引力和指令的不可替代性。图片必须够“抖音风”，色彩饱和，有视频关键帧；那串口令码必须足够独特，让用户愿意多花那几秒钟去打开抖音搜索。手动操作？每天要生成几十张，P图P到眼瞎，效率低到令人发指。
所以全自动化的路径很清晰：爬虫抓取目标抖音视频的封面或某个高光帧 -> 用Pillow库进行图像合成 -> 植入经过设计的文案和口令码 -> 输出成品。听起来简单，但每个环节都是坑。
爬虫部分，抖音的反爬已经升级了。不能直接请求页面，得模拟App行为，中间还隔着WebView渲染。我用了Selenium配合PhantomJS（那时候还没彻底弃用），去加载页面，等待视频元素出现，然后通过执行JavaScript来截取Canvas里的视频帧。这里卡了最久，因为抖音的动态加载机制会让视频元素延迟出现，必须设置合理的等待和重试，还得处理那些烦人的“滑动验证”干扰。截取到的帧是Base64编码的图片数据，需要解码保存。
接下来是Pillow的战场。这不是简单的贴图。背景层要做一个渐变色，模仿抖音的霓虹感；抓取来的视频帧需要裁剪、加圆角、加一个细微的白色描边，让它像“悬浮”在背景上；文案部分更麻烦，标题文案要自动换行，不能截断单词，字体大小要根据字数动态调整，否则长标题会溢出画布。口令码的生成我用了时间戳+随机字符+特定前缀的哈希，确保唯一性且不易被微信的OCR轻易识别（虽然当时微信的图片OCR还不太针对这个）。这串码要用一种特殊的等宽字体渲染，背景色和文字色对比度极高，但会加一层极薄的噪点滤镜，进一步干扰可能的自动化识别。
最后一步是封装成傻瓜式操作。我写了一个简单的GUI，用Tkinter做的，丑，但能用。用户只需要输入抖音视频的分享链接，点击生成，脚本就会在后台完成所有抓取、处理、渲染，最后弹出生成好的图片，并自动复制那串口令码到剪贴板。整个流程从1分钟的手动操作压缩到了10秒左右。
这本质上是一场流量的“偷渡”。微信和抖音是两个对立的超级王国，我的脚本就是在边境线上挖了一条地下隧道。我知道这隧道迟早会被封，微信的图片识别算法总有一天会精准地揪出这些“口令码”图片。但在2018年，这就是效率，就是钱。看着那些通过图片口令源源不断跳转到抖音的流量，有种在巨头眼皮底下走私成功的快感。技术从来不只是技术，是生存工具，是在规则缝隙里抢时间的铲子。这套代码后来迭代了很多版，对抗微信越来越聪明的识别，但那个核心的、有点“脏”的逻辑没变：用图片的复杂性，去对抗文本审查的简单粗暴。
