python使用selenium和tesseract来爬取电影评分
python使用selenium和tesseract来获取电影评分总目录工具需求爬取原理安装第三方库上代码结果图写在最后
总目录
使用python来爬取网页信息经常遇到反爬，对于一些加密的信息更是难搞，下载.woff之类的文件再解码对于菜鸡来说有点难，而且代码量太大。
相对而言使用OCR（文字识别）比较方便，个人感觉不好的就是需要把图片给截取下来有点占地方，所以如果只是截取少量的话这个还是很不错的。
python3.7
tesseract
chromedriver
第三方库：
selenium pytesseract time PIL
使用selenium的webdriver来定位评分所在的元素，使用PIL的截屏来获取评分的图片，再通过pytesseract来识别图片文字，进行输出。
安装第三方库第三方库安装命令
pip install selenium
pip install time
pip install PIL
pip install pytesseract
（关于selenium和tesseract的安装使用请另行百度，或者哪天我有时间了写一下也行，嘿嘿嘿）
# 导入模拟浏览器界面的selenium模块库
from selenium import webdriver
# 导入时间库模块
from time import sleep
from PIL import Image
import pytesseract
#设置要爬取的网址
url = 'https://movie.douban.com/subject/26087750/'
#有些网站反爬比较厉害，如果需要可自行设置，这个不一定有用
'''
options = webdriver.ChromeOptions()
options.add_argument('--kiosk')
driver = webdriver.Chrome(chrome_options=options)
'''
#打开Chrome进行截取
driver = webdriver.Chrome()
driver.get(url)
#定位元素
pingfen = driver.find_element_by_xpath('//strong[@class="ll rating_num"]')
#截取
pingfen.screenshot('kuiba.png')
sleep(5)
driver.quit()
#使用tesseract进行文字识别
text=pytesseract.image_to_string(Image.open('kuiba.png'))
print(text)
结果图
定位评分所在的元素：
原创文章 1获赞 1访问量 17
关注
私信
展开阅读全文
作者：谢三岁^o^
