抓百度下拉框内容-续篇

百度？？？你又要干嘛

朋友总是有很多奇怪的需求，由于之前给他的抓取方式并不是他心仪的方式，所以这他说如果很难的话就先不要弄了
作为一名身经百战的程序员，这无疑是赤果果的挑衅，那么咱们这次还是抓这个

那么咱们重新梳理一下思路

0. 打开电脑，打开浏览器
1. 让程序模拟用户操作，在浏览器的输入框中输入预存的词组
2. 截取当前浏览器的显示截图
3. 程序识别图中内容
4. 将内容保存到本地

如此往复1-4步 完成所有数据抓取

如何做

• 首先考虑浏览器问题

通常大厂的浏览器都会开放一些接口，可以帮助我们实现一些定制化的任务，但是通常都是通过脚本插件类型去完成，
但是考虑到有一些繁琐的操作在里面，这些接口可能并不够用，所以我认为将浏览器内嵌入程序中会更适合我们的操作

• 如何内嵌那？

我使用了C#作为这个程序的编码语言，因为对我个人来说对C#的把控比其他语言更好一些，并且轮子也比较多，更符合快速响应的要求
内嵌浏览器并不是什么难事，.net平台本身有基于IE的浏览器控件可用，但是谁用谁知道，鸡肋的很，所以果断选择其他浏览器

• 那么选择什么浏览器比较好？

无疑基于谷歌浏览器内核是首选的，为什么那？？？因为更喜欢谷歌😊
CefSharp Chromium-based browser
自行搜索该控件如何用吧

• 图像识别

同样各种线上线下的都有很多，我们该如何选哪？商用并且不差钱当然首选大厂的库，方便快捷又卫生，
而且还有各种活动。自己做实验，用于玩具的当然希望接触的越多越底层越好。所以综合我们目前需求，选择了开源的OCR库。

1. chineseocr_lite 对中文内容更精准
2. Tesseract-OCR 也是不错的选择，人气高

我使用了chineseocr_lite，因为我希望我不需要再次训练它的情况下完成现在的任务

再次整理下思路

1. 开启程序
2. 程序自动加载网页
3. 网页加载完成后截图
4. 初始化所有环境
5. 输入预查询的内容
6. 截图
7. 识别 保存
8. 循环5-7至所有查询内容都处理完毕

扬帆启航

1. 整理所有需要用的库并简单测试
2. 整合资源并处理版本或资源的异常
3. 增加主体逻辑
4. 压测以及可用性测试

最后的一嘴

这里并没有讲过多的技术点，我更希望带给你的是一种思路，解决问题的思路，和一种不屈的精神

• 附赠C#源码地址
• GitHub：https://github.com/wangxiao4/WebWordTake.git
• 附赠编译后的地址
• 百度云：链接：https://pan.baidu.com/s/1OsSbothsENfQl4LVBCEZEw 提取码：ko7g