美团电影爬虫/美团电影价格图片混淆破解
项目难点:
让我们先来随便打开一个美团电影的页面
真是美滋滋啊,这个价格就写在上面!爬下来不就得了。
定睛一看代码,我了个擦,这是个什么东西。
打开图片URL,才明白过来,原来是一张大图一堆数字,用CSS定位的具体数字,美团你为了反爬真是煞费苦心啊……
Cracked
requirement:
bs4 requests Pillow/PIL
需要独立安装tesseract-ocr
使用方法:
- 安装tesseract-ocr
- 将num.traineddata复制粘贴到tesseract的tessdata目录中
- 修改meituan_price_img.py中的TESSERACT_PATH变量定位到tesseract.exe (绝对路径)
- 打开meituan.py,Enjoy it!
Example:
print get_city_url('上海') #获取城市的地址
print get_all_cinema('sh.meituan.com') #获取城市所有电影院信息
print get_cinema_movie('http://sh.meituan.com/shop/58174') #获取指定电影院所有电影场次信息
原理:
你都看到tesseract-ocr了原理还用我废话嘛?机器学习了所有数字的样本(精准到1px),然后自动识别并输出咯。 PS:如果价格有手机专享价,会自动输出手机专享价!