Python：爬取貓眼電影

進階的

新手可以私聊我加我的群

貓眼電影專業版可以即時獲取電影的票房資料，但我們要爬它卻不怎麼容易。首先來看看，難在哪裡？

2.png

在源碼中我們可以看到它網頁使用的是自己的字體。我們無法通過源碼來爬取到想要的資料。

百度了一圈回來發現有人說自己去破解它網頁的字體，但更多的人推薦使用截圖識別的方式。

這裡說一下思路

使用自動化測試工具selenium配合phantomJS將網頁截圖，然後進行區域截圖獲得票房數位,利用pytesser進行數位識別。

先上selenium的代碼

剛開始進行圖片處理的時候，截下來的圖是這樣的

3.png

然後我用pytesser嘗試對圖片識別

4.png

如果成功的話是print1031.35

結果卻是K

5.png

卡在了這裡，不知道怎麼解決，提高識別率。由於工作比較繁忙，我把這事擱置了兩個禮拜。這兩天想起來，就開始查資料。找到了兩個思路，一個是使用libSVM，另一個是scikit-learn。但兩個我都不懂。而且我對pytesser還不死心，就繼續折騰。我嘗試了把圖片搞成黑白的去識別也不行。最後我是把圖片放大了，才成功識別的。終於明白，

原來圖片太小是識別不了的。