一、百度指數(shù)的發(fā)現(xiàn)

首先，我們先進(jìn)入百度指數(shù)的官網(wǎng)：https://index.baidu.com/，如下圖所示：

?

經(jīng)過進(jìn)入百度指數(shù)發(fā)現(xiàn)百度指數(shù)并沒有公開的API可以獲取，因?yàn)榘俣人坪踉谟幸獾脑黾影俣戎笖?shù)的抓取難度. 返回的數(shù)據(jù)進(jìn)行了加密,并且數(shù)據(jù)并不直接出現(xiàn)在頁面上.javascript把加密的數(shù)據(jù)直接變成了頁面上看到的圖形。比如我輸入世界杯，就會(huì)出現(xiàn)指數(shù)的格式如下圖所示：

1、考慮能否直接采用抓取html協(xié)議

直接通過get或者post參數(shù)來獲取百度指數(shù)的返回頁面，然后用網(wǎng)頁DOM模型提取對(duì)應(yīng)標(biāo)簽數(shù)據(jù)，或者用正則表達(dá)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(fèi)勁了，，真的夠可以的，看來百度真會(huì)玩哦。。。但是我相信一定可以解決這個(gè)會(huì)玩的家伙，嘻哈。

既然她是一個(gè)圖片，那我們就使用可以破解圖片（也就是識(shí)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(shí)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(shí)別Tesseract OCR需要很多庫，首先是

pip install pillow

pip install pyocr

因?yàn)樯婕暗侥M點(diǎn)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(gè)版本最好是這個(gè)的以下，否則火狐瀏覽需要安裝多一點(diǎn)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(gè)插件chromedriver.exe.

2、進(jìn)行實(shí)戰(zhàn)

首先要進(jìn)行模擬登陸百度，所以就必須要密碼和賬號(hào)，然后手動(dòng)輸入驗(yàn)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(qǐng)觀察瀏覽器網(wǎng)站是否已經(jīng)登陸(y/n)：") while 1:if select == "y" or select == "Y":print("登陸成功！")print("準(zhǔn)備打開新的窗口...")# time.sleep(1)# browser.quit()breakelif select == "n" or select == "N":selectno = input("賬號(hào)密碼錯(cuò)誤請(qǐng)按0，驗(yàn)證碼出現(xiàn)請(qǐng)按1...")# 賬號(hào)密碼錯(cuò)誤則重新輸入if selectno == "0":# 找到id="TANGRAM__PSP_3__userName"的對(duì)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(diǎn)擊登陸sign in# id="TANGRAM__PSP_3__submit"browser.find_element_by_id("TANGRAM__PSP_3__submit").click()elif selectno == "1":# 驗(yàn)證碼的id為id="ap_captcha_guess"的對(duì)話框input("請(qǐng)?jiān)跒g覽器中輸入驗(yàn)證碼并登陸...")select = input("請(qǐng)觀察瀏覽器網(wǎng)站是否已經(jīng)登陸(y/n)：")else:print("請(qǐng)輸入“y”或者“n”！")select = input("請(qǐng)觀察瀏覽器網(wǎng)站是否已經(jīng)登陸(y/n)：")

?進(jìn)入百度主頁之后就打開一個(gè)新的頁面，也就是百度指數(shù)的頁面，鏈接：

http://index.baidu.com

進(jìn)入輸入關(guān)鍵詞和點(diǎn)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(jìn)入百度指數(shù) # 獲得當(dāng)前打開所有窗口的句柄handles # handles為一個(gè)數(shù)組 handles = browser.window_handles print(handles) # 切換到當(dāng)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(jìn)去指數(shù)的頁面如下：

頓時(shí)好像笑呀，哈哈哈！接下來才是任務(wù)艱巨的時(shí)刻！更多精彩敬請(qǐng)期待！

?

12/19：

進(jìn)入指數(shù)主頁面之后，就可以看到天數(shù)?

?

然后根據(jù)個(gè)人需要去自己選擇所需要的天數(shù)，實(shí)現(xiàn)如下：

sel = int(input("查詢7天請(qǐng)按0，30天請(qǐng)按1，90天請(qǐng)按2，半年請(qǐng)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(biāo)的東西啦啦啦。。。

當(dāng)你點(diǎn)擊你需要的天數(shù)的時(shí)候，就會(huì)出現(xiàn)你想要如下的信息：

所以，如果這個(gè)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(yīng)該不遠(yuǎn)了。

主要獲取這個(gè)之后，我們就可以獲取到這個(gè)坐標(biāo)了，然后就可以進(jìn)行好好的玩耍了。

這個(gè)主要是通過鼠標(biāo)的轉(zhuǎn)移就會(huì)加載出來的啦。

?點(diǎn)擊每一個(gè)點(diǎn)的時(shí)候就會(huì)出現(xiàn)指數(shù)的對(duì)應(yīng)的圖片，如圖所示：

接下來就是激動(dòng)人心的時(shí)刻到了，

既然圖片出來了，那就進(jìn)行 識(shí)別吧！通過pytesseract去識(shí)別數(shù)字（注意：可能會(huì)存在識(shí)別不準(zhǔn)確的原因，但是沒有辦法，這是寶寶想的目前可以實(shí)現(xiàn)的辦法了）

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

識(shí)別出來的數(shù)字就存在一個(gè)列表里面，然后就進(jìn)行存放數(shù)據(jù)庫 ，demo大概完成。

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

轉(zhuǎn)載于:https://www.cnblogs.com/caicaihong/p/6252162.html

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的百度指数感想的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。