一、百度指數的發現

首先，我們先進入百度指數的官網：https://index.baidu.com/，如下圖所示：

?

經過進入百度指數發現百度指數并沒有公開的API可以獲取，因為百度似乎在有意的增加百度指數的抓取難度. 返回的數據進行了加密,并且數據并不直接出現在頁面上.javascript把加密的數據直接變成了頁面上看到的圖形。比如我輸入世界杯，就會出現指數的格式如下圖所示：

1、考慮能否直接采用抓取html協議

直接通過get或者post參數來獲取百度指數的返回頁面，然后用網頁DOM模型提取對應標簽數據，或者用正則表達式來提取。然后這種方法是行不通的，要不然誰都可以去拿了，就不需要我們這么費勁了，，真的夠可以的，看來百度真會玩哦。。。但是我相信一定可以解決這個會玩的家伙，嘻哈。

既然她是一個圖片，那我們就使用可以破解圖片（也就是識別圖片的方法來試一下，要是可以那就更好了，要是不可以，也不需要gg，路是慢慢的探索的）

好了，回歸正題，聽說Tesseract OCR框架可以識別圖片耶，真的還是假的，都說是聽說啦，肯定需要試一下，才知道是真的還是假的了。

首先，肯定需要安裝很多需要的庫拉。

谷歌圖像識別Tesseract OCR需要很多庫，首先是

pip install pillow

pip install pyocr

因為涉及到模擬點擊，肯定需要安裝火狐瀏覽器或者谷歌瀏覽器

首先安裝selenium (2.53.6) 這個版本最好是這個的以下，否則火狐瀏覽需要安裝多一點東西，很麻煩的。（再提示一下，火狐也是最好是4.6得版本）

如果是安裝谷歌的話，那就需要再安裝一個插件chromedriver.exe.

2、進行實戰

首先要進行模擬登陸百度，所以就必須要密碼和賬號，然后手動輸入驗證碼。

百度模擬登陸：

from selenium import webdriver import time url = "https://passport.baidu.com/v2/?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2F" browser=webdriver.Firefox() browser.get(url) browser.find_element_by_id("TANGRAM__PSP_3__userName").clear() browser.find_element_by_id("TANGRAM__PSP_3__password").clear() username="xxxx" password="xxxx" browser.find_element_by_id("TANGRAM__PSP_3__userName").send_keys(username) browser.find_element_by_id("TANGRAM__PSP_3__password").send_keys(password) browser.find_element_by_id("TANGRAM__PSP_3__submit").click() select = input("請觀察瀏覽器網站是否已經登陸(y/n)：") while 1:if select == "y" or select == "Y":print("登陸成功！")print("準備打開新的窗口...")# time.sleep(1)# browser.quit()breakelif select == "n" or select == "N":selectno = input("賬號密碼錯誤請按0，驗證碼出現請按1...")# 賬號密碼錯誤則重新輸入if selectno == "0":# 找到id="TANGRAM__PSP_3__userName"的對話框# 清空輸入框browser.find_element_by_id("TANGRAM__PSP_3__userName").clear()browser.find_element_by_id("TANGRAM__PSP_3__password").clear()browser.find_element_by_id("TANGRAM__PSP_3__userName").send_keys(username)browser.find_element_by_id("TANGRAM__PSP_3__password").send_keys(password)# 點擊登陸sign in# id="TANGRAM__PSP_3__submit"browser.find_element_by_id("TANGRAM__PSP_3__submit").click()elif selectno == "1":# 驗證碼的id為id="ap_captcha_guess"的對話框input("請在瀏覽器中輸入驗證碼并登陸...")select = input("請觀察瀏覽器網站是否已經登陸(y/n)：")else:print("請輸入“y”或者“n”！")select = input("請觀察瀏覽器網站是否已經登陸(y/n)：")

?進入百度主頁之后就打開一個新的頁面，也就是百度指數的頁面，鏈接：

http://index.baidu.com

進入輸入關鍵詞和點擊事件的完成為：

js = 'window.open("http://index.baidu.com");' browser.execute_script(js) # 新窗口句柄切換，進入百度指數 # 獲得當前打開所有窗口的句柄handles # handles為一個數組 handles = browser.window_handles print(handles) # 切換到當前最新打開的窗口 browser.switch_to_window(handles[-1]) browser.find_element_by_id("schword").clear() browser.find_element_by_id("schword").send_keys('世界杯') browser.find_element_by_id("searchWords").click()

?登陸進去指數的頁面如下：

頓時好像笑呀，哈哈哈！接下來才是任務艱巨的時刻！更多精彩敬請期待！

?

12/19：

進入指數主頁面之后，就可以看到天數?

?

然后根據個人需要去自己選擇所需要的天數，實現如下：

sel = int(input("查詢7天請按0，30天請按1，90天請按2，半年請按3：")) day = 0 if sel == 0:day = 7 elif sel == 1:day = 30 elif sel == 2:day = 90 elif sel == 3:day = 180

?找到需要坐標的東西啦啦啦。。。

當你點擊你需要的天數的時候，就會出現你想要如下的信息：

所以，如果這個不出來，一切都是浮云。可是不知道為什么第一次刷新出來之后，后來都不可以了呢？難道真的就要gg了嗎？哭暈在廁所了的日子應該不遠了。

主要獲取這個之后，我們就可以獲取到這個坐標了，然后就可以進行好好的玩耍了。

這個主要是通過鼠標的轉移就會加載出來的啦。

?點擊每一個點的時候就會出現指數的對應的圖片，如圖所示：

接下來就是激動人心的時刻到了，

既然圖片出來了，那就進行 識別吧！通過pytesseract去識別數字（注意：可能會存在識別不準確的原因，但是沒有辦法，這是寶寶想的目前可以實現的辦法了）

# 圖像識別 index = [] image = Image.open(str(path) + "zoom.jpg") code = pytesseract.image_to_string(image) if code:index.append(code)

識別出來的數字就存在一個列表里面，然后就進行存放數據庫 ，demo大概完成。

?感想一下：由于近段時間太多事情忙，做了這個都是一些瑣碎的時間，就靠平常的一些靈感去獲取，可能結果不如我想像的那樣子，每次做完一個東西的記錄下來的感覺很好，我以后會不斷更新我的學到的一些東西，敬請期待。

轉載于:https://www.cnblogs.com/caicaihong/p/6252162.html

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的百度指数感想的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。