爬虫挑战。。求支援

mark

mark 一下吧。刚开始做爬虫。

本站监测到来自您这个 IP 地址不友好的访问行为。暂时对来自这个 IP 的访问请求进行了限制。如您对银率网的数据有合作意向，请提交如下申请，本站将据此决定是否解除限制或商谈合作方式：

只好写个本地的了
https://drive.google.com/file/d/0B3Y1POZM1XkEeTh6bFlXbDVIWkU/view
把图片和对应的 css 放到 test 目录里
然后调用 learn.py 里的函数
test('test'+os.sep+'584Gh.css','test'+os.sep+'584Gh.png')
第一个填 css 路径 第二个填图片路径
识别率应该是 90%

已提交 pr

我试了一下 scrapy shell ，直接 view content 完全和网站一样啊。
20L 说的禁用 js ，我觉得这都是写爬虫的基本第一步了吧，肯定不能让爬虫取解析 js 。

说白了，我真不知道楼主碰到了什么问题。

好吧，原来是几个基金信息那里有猫腻，研究一下。

我看到和 20L ， 34L 的一样，源代码中都是可以直接看到所有数字和图片，只是用 js 替换了一下，防止复制而已

@ysmood 具体是哪部分数字没有，都有的吧？根本就不需要用 phantom 去渲染页面

我忽略了部分数据， js 只是替换部分，头部表格内的数据依然是图片

他的背景图片都做了干扰，但干扰的不太厉害，这和破解验证码一个道理了

搞这玩意，浪费时间和金钱嘛，这里不是有一样的数据吗？ http://xueqiu.com/S/FP7233387300

如果愿意花钱的话，可以参考人工打码解决方案，我觉得是最快的。

期待楼主新的解决方案，看了帖子，有了很多思路，同时，假如返回的是矢量图片，那效果怎么样？

@shenghe 23333

美团也是这样的, 金额都是数字图片, 太恶心了

学习很多思路

我测试了 @icedx 给的代码，裸眼了几个结果，感觉都 ok ，其实主要是数字没问题就好了。谢！！！

@rale 可以考虑把矢量图转换为位图再处理。。不过不清楚矢量图文件格式是否有更简洁的途径。

@RangerWolf 只是临时性质的任务，已经搞定。如果是大任务量的爬虫，可以联系合作:)

@shenghe 算是个挑战吧。在其他网站确实都找到了数据，但是这个坑还得填啊！

我已经发了 PR 到 https://github.com/bugkiwi/ocr_yinhang 合并下在 Github 上展示吧~

@gkiwi 恭喜楼主搞定！ 其实我这边主要也是最近有类似的识别数字的任务，并且用的是机器学习的那一套（我只负责调用 lib 接口 呵呵） 并且准确率可能要 95%以上，想着你说不定正好需要 哈哈

@icedx ok~~

@RangerWolf 哈哈，可以分享出来，让我们学习学习:)