python3百度指数抓取

分类：python

作者:TTyb文章发表于 2016-11-12

百度指数抓取，再用图像识别得到指数前言：

土福曾说，百度指数很难抓，在淘宝上面是20块1个关键字：

哥那么叼的人怎么会被他吓到，于是乎花了零零碎碎加起来大约2天半搞定，在此鄙视一下土福

安装的库很多：

谷歌图像识别tesseract-ocr

pip3 install pillow

pip3 install pyocr

selenium2.45

Chrome47.0.2526.106 m or Firebox32.0.1

chromedriver.exe

图像识别验证码请参考我的博客：

python图像识别–验证码

selenium用法请参考我的博客：

python之selenium

进入百度指数需要登陆，登陆的账号密码写在文本account里面：

万能登陆代码如下：

登陆的页面：

登陆过后需要打开新的窗口，也就是打开百度指数，并且切换窗口，在selenium用：

清空输入框，构造点击天数：

天数也就是这里：

找到图形框：

图形框就是：

根据坐标点的不同构造偏移量：

选取7天的坐标来观察：

第一个点的横坐标为1031.66666

第二个点的横坐标为1234

所以7天两个坐标之间的差为：202.33，其他的天数类似

用selenium库来模拟鼠标滑动悬浮：

但是这样子确定的点指出是在这个位置：

也就是矩形的左上角，这里是不会加载js显示弹出框的，所以要给横坐标+1：

写个按照天数的循环，让横坐标累加：

鼠标横移时会弹出框，在网址里面找到这个框：

selenium自动识别之…：

并且确定这个框的大小位置：

截取的图形为：

下面的思路就是：

将整个屏幕截图下来

打开截图用上面得到的这个坐标rangle进行裁剪

但是最后裁剪出来的是上面的那个黑框，我想要的效果是：

本次更新加入了对于关键词长度的判断，能够自动识别关键词长度而进行截取：

找到位置：

后面的完整代码是：

但是后面发现裁剪的图片太小，识别精度太低，所以需要对图片进行扩大：

原图大小请右键->属性->详细信息查看，我的是长73像素，宽29像素

最后就是图像识别

最后效果图：

https://github.com/TTyb