花了两周整理完一份行业报告，从截图到排版再到加各种水印，折腾了好几轮。发到小红书上，隔天就刷到一模一样的内容——水印裁得干干净净，联系方式换成别人的，还挂了 9.9 在卖。找平台举报，回复是“证据不足”。白干了。
手动把每页关键信息打码再切片？三十多页的 PDF，光截图就让人手抽筋，更别提还得一页页检查有没有漏掉角落里的微信号。这不是个案。知识付费圈子里被搬得最惨的，永远是花时间做预览图的那批人。我见过最离谱的案例，对方连我排版里的拼写错误都照搬，只是把联系方式涂了。那种时候你觉得自己是在“做内容”吗？不，是在给对方免费提供原料。
当时第一反应是加更密集的水印。但小红书对营销图限流，水印太重直接不给你曝光。打码也不行——手动一页页糊马赛克，费时不说，漏掉一个二维码就等于白忙。
真正让我决定写脚本的契机，是某次手动处理一份 47 页的笔记。到第 39 页时眼睛花了，把某段关键数据放了过去。第二天，有人截图那段数据去引流，文案写的是“完整版找我”。那天晚上我翻了翻 Pillow 的 ImageDraw 和 ImageFilter，发现给图片打随机位置的遮挡块，再按固定网格切分，这套流程完全可以用几十行代码自动化。核心逻辑就是三步：加载原图 → 按规则覆盖遮挡层（文字块、二维码区、图表关键轴）→ 等分成 3×3 或 4×3 切片输出。遮挡块的位置、大小、透明度全部随机，避免被反向还原。
from PIL import Image, ImageDraw, ImageFilter
import random
def add_obfuscation(img, areas):
overlay = ImageDraw.Draw(img)
for area in areas:
x1 = area[0] + random.randint(-20, 20)
y1 = area[1] + random.randint(-20, 20)
x2 = area[2] + random.randint(-20, 20)
y2 = area[3] + random.randint(-20, 20)
overlay.rectangle([x1, y1, x2, y2], fill=(random.randint(180,220),)*3)
return img
def slice_grid(img, rows=3, cols=3):
w, h = img.size
cell_w, cell_h = w // cols, h // rows
tiles = []
for r in range(rows):
for c in range(cols):
box = (c*cell_w, r*cell_h, (c+1)*cell_w, (r+1)*cell_h)
tiles.append(img.crop(box))
return tiles参数调了一整个晚上。遮挡块灰度值低于 180 太扎眼，高于 230 又容易被后期去噪还原。切片尺寸不能刚好等分——部分场景需要让中间几格重叠 5% 边距，防止被 AI 拼接缝合。跑通之后拿那份 47 页的笔记试了一次，生成 141 张切片图（3 行 × 3 列 × 47 页），耗时 8.3 秒。手动干至少两小时。
当然，自动化不是万能。有些资料页的二维码恰好压在两张切片边界上，遮挡块没盖全。后来加了预先扫描图片中高对比度矩形区域的逻辑（大概率是二维码或条形码），强制覆盖两层不同形状的遮挡。这套逻辑被我拆成一个独立函数 cover_qr_zone()，配合 PIL 的 ImageFilter.GaussianBlur(radius=15) 做二次模糊，算是把“防恢复”做到了我能接受的底线。
切片跑通了，但真正让我卡了两天的不是技术，是“怎么切才能让人想点进来”
第一次跑出来的 141 张图，我发给朋友看。他说：“这不就是马赛克拼图吗？谁要啊。”
对。如果每张切片都把核心内容糊死，用户划过去直接划走了。你防住了搬运，也防住了点击。小红书那个信息流里，一张图片停留时间不到 0.5 秒。你必须在 0.5 秒内让人判断出“这资料有用”，但又拿不走全文。这个度，纯靠人眼看图调参数，我大概调了五轮才找到感觉。
遮挡位置：不是随机，是“诱惑”
纯随机遮挡块是最蠢的做法——可能把标题、图表关键轴标签、公式推导第一步全盖了，剩下些边角料。用户看不懂，自然不会点。正确的做法是盖住结论和完整数据，保留结构和诱饵。
比如一份 40 页的行业报告，我每页只遮挡三样东西：表格里的具体数值（留表头、留行名，让用户知道“这页有增长率对比”，但看不到数字）；结论性语句的后半句（“基于以上分析，我们认为……”之后全糊，但前面留全）；二维码、微信号（这个必须盖两层）。剩下那些段落标题、图表框架、过渡句，全部保留。用户看一眼就知道这一页在讲什么，甚至能脑补出大概逻辑，就是拿不到那个关键数字和联系方式。这个心理缺口，就是点击的动力。
实现上我写了一个 selective_cover() 函数，接收一个坐标列表，每个坐标带一个“保护等级”参数。等级 1（标题、图表框架）不遮挡；等级 2（过渡句）随机加 30% 透明度灰色遮罩；等级 3（数值、结论、二维码）强制两层遮挡加高斯模糊。调参那晚我盯着一个饼图看了十分钟——盖住扇形区的百分比标签，但保留色块和名称，用户知道“蓝色代表 A 市场”，但不知道具体占比。这才叫有效遮挡。
切片方式：让 AI 缝合失败
第一版切片用的是完美等分——3 行 3 列，每张图大小一模一样。后来发现有些 AI 缝合工具（比如 OpenCV 的 stitch 模块）能根据边缘像素相似度自动拼回去，尤其是纯色背景的文档截图，拼接成功率接近 80%。
解决办法是让切片之间重叠并且错位。我改了 slice_grid()，传入一个重叠率参数（默认 0.05，即 5% 重叠），并且每行切片在水平方向上随机偏移 10 到 30 像素。这样切出来的图片，边缘像素不完全对齐，缝合算法在特征点匹配阶段就会报错——它找不到足够多的匹配点。实测同一组图，完美等分切法能被缝合，加重叠加错位之后缝合失败率 100%。
代价是总切片数量增加了约 15%（因为重叠区域多切了几刀），47 页也从 141 张涨到 163 张，耗时多了不到 2 秒，能接受。
防搬运组合拳：三层保险
光靠遮挡和切片不够。我见过有人把切片图一张张下载再自己裁剪拼接的——虽然费劲，但真要偷你资料的人不在乎这点时间。所以我又加了两个东西。
随机水印：每张切片上随机位置加一行半透明文字，内容是当前切片的页码加随机字符串（比如“P12-7kf9”）。水印字体用 ImageFont.truetype() 加载一个极细的等线体，颜色跟背景相近（低对比度），不影响阅读但后期很难批量擦除——因为每张图的水印位置和字符串都不同，没法用固定遮罩一次性清掉。
切片顺序打乱：生成所有切片后，用一个种子随机打乱文件名前缀。用户下载后看到的顺序是乱的，想拼回原始页面布局得手动对每张图编号。大部分普通用户没这个耐心。
局部模糊：在二维码和微信号区域，不盖纯色方块，而是用 ImageFilter.GaussianBlur(radius=12) 做模糊。纯色方块一键去色就能还原（灰度图加阈值分割），但模糊后的区域信息被不可逆地混合了，基本没法恢复。这个坑我是在测试时踩的——某次用手机相册的“增强”功能，居然把纯色方块下的二维码轮廓给锐化出来了，扫了个半残。换成高斯模糊后，怎么锐化都没用。
这三层走完，一份资料包的预览图才算“能发”。这套逻辑写进代码只有不到 200 行，但参数调了差不多三个晚上。最终效果是：我把那 47 页的行业报告预览图发到小红书，三天后有人私信问我“这个报告怎么买”，也有几个人说“我试了试拼接，拼到一半放弃了太乱了”。后者就是我想看到的反应。
前文聊的是“为什么要防”和“防到什么程度”，现在直接上脚本
我用的还是 Pillow，没上 OpenCV——不是不能，是为了让复制这段代码的人少装一个库就能跑。
先说打码。大部分人想到的是直接画矩形，但矩形位置你得手填坐标，换一张截图就得改数字。我的方案是：先用 pytesseract 扫一遍图片里的文字区域，把包含“微信”、“VX”、“二维码”这些关键词的矩形框找出来，然后对这些区域做模糊处理。代码大概长这样：
from PIL import Image, ImageFilter
import pytesseract
def auto_blur_sensitive(img_path):
img = Image.open(img_path)
data = pytesseract.image_to_data(img, output_type=pytesseract.Output.DICT)
for i in range(len(data['text'])):
if data['text'][i].lower() in ['微信', 'vx', 'wechat']:
x, y, w, h = data['left'][i], data['top'][i], data['width'][i], data['height'][i]
crop = img.crop((x, y, x+w, y+h))
blurred = crop.filter(ImageFilter.GaussianBlur(radius=15))
img.paste(blurred, (x, y))
return img当然，遇到那种“二维码贴在角落、旁边没文字”的图，OCR 就歇菜了。这时候我备了一招：硬编码坐标白名单。在配置里写一组 [(100,200,150,250), ...]，扫到这些区域直接干，不依赖文字识别。两种策略二选一，脚本启动时加个 --mode auto 或 --mode manual 就行。
切片这块我走了弯路。一开始傻乎乎按固定高度切，结果遇到跨页的流程图，中间一刀把人家逻辑线切断了，预览图看起来像残废。后来改成“按内容边界切”——检测图片中的空白行或色块跳变，在那些位置下刀。Pillow 的 Image.getpixel() 配合行扫描能搞定：
def smart_slice(img, min_height=200):
width, height = img.size
cuts = []
for y in range(height):
row_colors = [img.getpixel((x, y)) for x in range(width)]
if all(c == (255,255,255) for c in row_colors):
cuts.append(y)
pass效率呢？一张 1920×1080 的截图，白色线条检测耗时不到 0.3 秒。47 页行业报告跑了大概 14 秒，比纯固定高度切多了 3 秒，但出来的切片不会把关键图表拦腰斩断。
水印我坚持随机。固定位置的水印等于没水印——人家截个图就裁掉了。我的写法是每张切片生成时，在四个象限里随机选一个，再随机偏移 10 到 50 像素，文字透明度设成 30%。这样即便有人拿到所有切片，想拼回去也得手动去掉每张图上位置不同的水印，工作量翻倍。
最后提醒一句：脚本跑完后记得人工抽检几张。Pillow 在处理某些压缩率高的 JPEG 时，getpixel() 返回的 RGB 值可能带噪点，导致白色行检测漏判。我吃过一次亏，某次批量处理完发现有两页没切片，因为那页的截图背景是浅灰色（#F8F8F8）而不是纯白。改阈值的时候顺手加了个宽容度参数 threshold=240，一切正常了。
这脚本写完我丢给两个朋友试用，反馈是“能跑，但第一次配 pytesseract 路径搞了十分钟”。
踩坑记录：打码太狠没人看，打码太少被白嫖
第一次跑通脚本的时候我挺兴奋的，直接把整页文字全部模糊掉——覆盖率 100%，心想这总没人能盗了吧。结果发小红书，三小时零互动。朋友说你这图跟抹了浆糊似的，谁看得见内容？用户点进来是想瞄一眼值不值得买，你全糊住人家凭什么下单。
第二次我学乖了，只遮关键数据行和结论段落，留七成正文可见。曝光确实翻倍了，但三天后隔壁群就有人拼出了完整版——他把六张切片按顺序拼回一张图，打码的位置就那么几处，用 PS 的内容识别填充随手就补上了。
打码密度和切片顺序是第一个坑。我后来改成随机跳序输出切片文件名：用 uuid4() 生成哈希前缀，打乱后上传。每张切片之间留 5% 的裁切重叠区域，但重叠部分用的模糊半径不一样——左半张用半径 15 的高斯模糊，右半张用半径 8。这样就算有人想拼接，相邻切片边缘对不上，得花大量人工对齐。
水印我也翻过车。一开始用半透明浮层，透明度设 10%，位置固定在左下角。结果发现手机版小红书会自动裁切边缘，水印直接没了。后来改用多层水印：一层浅色文字铺满全图（透明度 5%），两层小号水印随机撒在四个象限，再用 ImageDraw.text() 在图片的 EXIF 区域写入隐藏标识（通过 piexif 库写 UserComment 字段）。表面看就是一张普通预览图，但如果你右键保存然后用 exiftool 读，能查到我的自定义标记。这招对批量搬运工特别有效——他们通常只改文件名不清理元数据。
阈值问题折腾了我一晚上。Pillow 的 Image.getpixel() 在读取高压缩 JPEG 时，纯白区域可能抖成 (254, 254, 254) 甚至 (252, 253, 254)。我写的白色行检测最初写死 == (255, 255, 255)，结果 50 张图漏切了 8 张。改成 all(c > 245 for c in row_colors) 后稳定了。
def is_blank_row(row_pixels, threshold=245):
return all(p > threshold for p in row_pixels)
cuts = []
for y in range(height):
row = [img.getpixel((x, y)) for x in range(width)]
if is_blank_row([max(rgb) for rgb in row]):
cuts.append(y)
merged = []
i = 0
while i < len(cuts):
start = cuts[i]
while i + 1 < len(cuts) and cuts[i+1] - cuts[i] < 5:
i += 1
merged.append((start, cuts[i]))
i += 1
说句实在的——打码这事没有银弹。我试过动态密度：根据图片内容算熵值，信息量大的区域打码密度自动调高到 70%，空白区域只遮 10%。但算力成本上来了，一张图要多跑 0.8 秒。后来折中：对文字区域用 OCR 框定坐标后只遮关键词（比如“价格”“方案”“源码”），图表区域整块打码。脚本里加了个 --aggressive 参数，默认关掉，只有对付那种明知道会被二次转卖的爆款笔记才开。
切片打码搞完了，图也存了一堆，然后呢？
直接发原图肯定不行——你发什么人家就存什么，凭什么找你买完整版。预览图的目的是“看着有用，但拿不到全的”。我自己分三步走：发切片、留钩子、转到微信。
发笔记的时候埋好“缺口”
小红书对引流管得松还是紧，看命。2024 年那阵子封得凶，评论区带“微信”两个字直接限流。现在稍微好点，但也不能硬来。我一般正文里只放 3 到 4 张打码切片，最后一张图留个箭头指向评论区，图上写“完整版在评论区”。然后自己在评论区发一条：“需要完整资料包的姐妹私信我发‘资料’就好，自动回复。” 这条评论用小号置顶，大号别动——万一被举报，丢的是小号。
自动回复怎么设？小红书创作中心里有个“自动回复”功能，关键词匹配就能触发。我设的关键词是“资料包”、“完整版”、“PDF”，回复内容是一段话加一张带个人微信号的图。注意，图上的微信号用“vx: xxx”这种写法，别写全称，容易被 OCR 扫到。文字回复里写“请查看私信图片”，别直接在文字里扔微信号。
还有一种更稳的方式：建个小红书群聊。在笔记里挂群聊入口，说“群里已上传完整版资料包，进群自取”。群聊里可以发文件，也能发带有水印的完整版 PDF。用户进了群，你就有触达渠道了。群公告里挂你的微信号，写上“群文件失效请加微信领取”。这招的好处是——平台只监控笔记和私信，群聊内部相对宽松，但别发二维码，群聊里发二维码被截图的概率很高。
私域承接：别让用户等，等就跑了
用户私信你“资料”，自动回复弹了图片。但图片里的微信号，你得保证他扫了能加上。我踩过一个坑：用了个临时微信号，结果当天加人太多被风控了，新好友请求直接收不到。后来换成企业微信，加人上限高，而且可以设置“自动通过好友”和“欢迎语”。欢迎语里直接放完整版资料的百度网盘链接（带提取码），再附一句“还有更多行业模板持续更新，需要什么资料随时问我”。
定价呢？我卖的不是单个 PDF。单个卖 19.9，用户嫌贵。后来改成“资料包合集加社群年费”的模式：前 50 份免费送（其实是诱饵，让用户觉得占了便宜），然后拉进微信群，群里每两周更新一次资料，年费 99。愿意付 99 的人，才是真正的高价值用户。单个资料包 19.9，转化率大概 5%。社群年费 99，转化率虽然降到 2%，但客单价翻了 5 倍，而且后续不用再重复打码切片，省了很多事。
风险提示：别把鸡蛋放一个篮子里
小红书账号是有生命周期的。我见过一个号做到 5 万粉，发了一条带微信号的私信，直接永封。所以我的策略是：用矩阵号。主号只发内容，不引流。引流用小号，小号每天只回 20 条私信，超了第二天再说。这样就算小号被封，主号还在，换个引流号继续干。
这个流程里最花时间的不是写代码，是维护社群和更新资料。自动打码切片解放了你的双手，但“持续输出有价值的内容”这件事，机器帮不了你。别想着躺赚，没人买你的资料包是因为你只发了三张图，而是因为那三张图让人相信“这人手里有真东西”。
回头看我那套打码切片的代码，最初就是写死的
目录路径写死、打码区域全靠肉眼估、文件名直接落一个时间戳——这套流程我跑了不到三次就想摔键盘。每次换一套资料包，至少得翻四个变量，文件夹还得自己一个一个 mkdir，搞完眼睛都快瞎了。
所以后来加了个命令行参数入口。用 argparse 接 --input、--output、--opacity（打码透明度，默认 0.6）、--grid（切片行列数，比如 3x4）。跑一次长这样：
python slice_mosaic.py --input ./素材 --output ./预览图 --opacity 0.7 --grid 3x4参数传错了也不慌，加了 --dry-run 模式，只打印文件列表和切片尺寸，不动图。这个模式帮我省了好几次误操作——有一次把原图目录和输出目录设成同一个，幸亏先 dry-run 看了一眼。
再往后加了文件整理功能。输入目录里如果有多个 PDF 或图片文件夹，脚本会自动读文件名里的日期前缀（比如 2026-05_行业报告.pdf），按年月归类输出。不想按日期？那就加个 --tag 参数，传个主题词进去，输出目录名直接用这个 tag。写完之后我拿三批不同主题的资料包试了试，python slice_mosaic.py --input ./素材 --tag 金融模板，跑完自动生成 ./output_previews/金融模板/ 文件夹，里面按原文件名切好的预览图整整齐齐。
有些功能我一直想加但暂时没时间写——比如自动给预览图加一圈边框（类似拍立得白边），或者根据图片主色调自动生成封面文字底色。再比如多平台适配：小红书预览图是 3:4 竖版，知乎首图是 1:1 方形，B 站专栏头图是 16:9。同一个资料包输出三套尺寸，脚本里加个 --platform 参数就行，就是改切片后的拼接比例。
最让我觉得值的不是“防搬运”功能，而是那个批量处理。原来每套资料包手动打码切片，一套就得耗掉我 20 分钟，现在终端里敲一行命令，我就能甩手干别的了。听着电脑在那边吭哧吭哧地出图，我这边微信消息都回了好几轮。工具嘛，写出来就是给懒人用的，人一懒下来，才有空琢磨怎么把资料包卖得更贵。
评论