最新版的破解字体加密方法！学会了就没有你不能爬的网站！

mainWindow = auto.DocumentControl(ClassName=‘Chrome_RenderWidgetHostHWND’)

print(‘mainWindow Name:’,mainWindow.Name)

show_index_window()

​

​

3、获取评价数据截图文件

---

在此之后，我们打开控件识别工具 Inspect.exe工具（可从网上下载）来查看元素情况，我使用的是另一个工具，各个元素的分层情况就显而易见了：

​

可以看出，多少条评价也是隐藏的。从元素层级上来看，可以从文档元素->列表元素->列表项目元素的大体思路找到目标元素。也就是"XXXX条评论<链接>"这个元素，定位这个元素之后，就获取这个元素的大小，然后截图保存。具体的代码如下：

​

import time

import uiautomation as auto

获取每一个商户根元素

def get_root_control():

documentControl = auto.DocumentControl(ClassName=‘Chrome_RenderWidgetHostHWND’)

层层搜索找到目标元素

documentControl_f_son_control = documentControl.GetChildren()[0]

子元素列表

f_son_control = documentControl_f_son_control.GetChildren()

target_list_control = None

for each_control in f_son_control:

son_control = each_control.GetChildren()

if len(son_control) == 1:

元素属性ControlTypeName为ListControl

if son_control[0].ControlTypeName == ‘ListControl’:

target_list_control = son_control[0]

break

return target_list_control

获取数据截图

def get_comment_pic():

mainWindow = auto.PaneControl(ClassName=‘Chrome_WidgetWin_1’)

print(‘mainWindow Name:’, mainWindow.Name)

窗口存在，切换窗口

if mainWindow.Exists(3, 1):

handle = mainWindow.NativeWindowHandle

auto.SwitchToThisWindow(handle)

target_list_control = get_root_control()

当前页面展示的商户的数量

business_num = len(target_list_control.GetChildren()) - 1

print(‘business_num:’, business_num)

当前数据所在页数

PageNum = 0

获取xxxx评价元素的大小并截图

for i in range(business_num):

第一层，第二层，第三层数据

layer_1_ele = target_list_control.GetChildren()[i]

layer_2_ele = layer_1_ele.GetChildren()[1]

layer_2_son_ele = layer_2_ele.GetChildren()

layer_3_ele = None

for each in layer_2_son_ele:

if “条评价” in each.Name:

layer_3_ele = each

if layer_3_ele is None:

raise Exception(‘获取元素失败’)

print(layer_3_ele)

获取目标元素的底部坐标，如果底部坐标等于0，说明元素在当前窗口未显示出来，需要pagedown操作

layer_3_ele_bottom = layer_3_ele.BoundingRectangle.bottom

print(‘layer_3_ele_bottom:’, layer_3_ele_bottom)

if layer_3_ele_bottom > 0:

time.sleep(1)

获取截图

layer_3_ele.CaptureToImage(‘./pic/%d%d.png’ % (PageNum, i))

if layer_3_ele_bottom <= 0:

print(‘目标元素未显示’)

auto.WheelDown()

auto.mouse_event(auto.MouseEventFlag.Wheel, 0, 0, -435, 0)

auto.SendKeys(“{PAGEDOWN}”)

time.sleep(1)

pagedown后重新获取元素

target_list_control = get_root_control()

layer_1_ele = target_list_control.GetChildren()[i]

layer_2_ele = layer_1_ele.GetChildren()[1]

layer_2_son_ele = layer_2_ele.GetChildren()

layer_3_ele = None

for each in layer_2_son_ele:

if “条评价” in each.Name:

layer_3_ele = each

if layer_3_ele is None:

raise Exception(‘获取元素失败’)

print(layer_3_ele)

获取截图

layer_3_ele.CaptureToImage(‘./pic/%d%d.png’ % (PageNum, i))

get_comment_pic()

​

上述代码中PageNum的作用是给采集的图片进行命名。当我们采集第一页商户评价数据的时候，可以更新PageNum的值为1，当我们将页面点击到第二页的时候就更新PageNum为2。

当然了为了偷懒，我们这没有编写点击下一页按钮和更新PageNum值的脚本，这个作业就交给大家实现了。

采集几页数据之后，我们就可以得到下列数据图：

​

获取截图文件之后，我们要做的就是识别其中的字符就可以了。

对于获取到的截图文件的说明：

（1）不同分辨率电脑获取的截图文件大小存在差异；

（2）评价数值是几位数也会直接影响截图的大小；

（3）同一电脑获取的截图文件高度是一致的。

​

4、识别评价数据截图文件

---

评价数据截图文件的识别可以借助OCR工具来进行提取，如果感兴趣的小伙伴，可以点击蓝字查看：

5行Python实现验证码识别，太稳了！

​

所以本文其实到这里就可以结束了，那么为什么进度条才到一半呢？

​

那是为了与众不同，我决定使用机器学习算法来识别截图文件。

​

我们先将截图文件转换为下列样式，即去掉干扰部分并清晰化数据截图文件：

​

​具体实现的代码可以这样：

import os

from PIL import Image

裁剪后观察样本数据可以发现，含有不同数目的字符图片的长度是不一样的，即：

1个–>9

2个–>16

3个–>23

4个–>30

5个–>37

大家可以自己像一个很好的办法来区分，这里我就简单的人工罗列。

注意不同分辨率的电脑这个数据也会改变的，大家可以做一个映射表即可。

def get_each_pic_num(imgPath, savePath):

global rct

files = os.listdir(imgPath)

files.sort()

for file in files:

fileType = os.path.splitext(file)

if fileType[1] == ‘.png’:

img = Image.open(imgPath + ‘/’ + file)

img = img.convert(“L”)

pixdata = img.load()

w, h = img.size

cut_times = 0

if w == 9:

rct = ((0, 0, 7, h),)

cut_times = 1

if w == 16:

rct = ((0, 0, 7, h),

(7, 0, 14, h))

cut_times = 2

if w == 23:

rct = ((0, 0, 7, h),

(7, 0, 14, h),

(14, 0, 21, h),)

cut_times = 3

if w == 30:

rct = ((0, 0, 7, h),

(7, 0, 14, h),

(14, 0, 21, h),

(21, 0, 28, h),)

cut_times = 4

if w == 37:

rct = ((0, 0, 7, h),

(7, 0, 14, h),

(14, 0, 21, h),

(21, 0, 28, h),

(28, 0, 35, h),)

cut_times = 5

cut_img = []

for part in range(cut_times):

cut_img.append(img.crop(rct[part]))

return img

d = 0

for im in cut_img:

d += 1

im.save(savePath + str(d) + str(file))

get_each_pic_num(‘./cutpic/’, ‘./each_character/’)

​

之后我们对图片进行切割，这里使用固定坐标切割，得到如下所示单个字符数据：

​

实现代码如下：

​

import os

from PIL import Image

灰度和二值化处理

def binarizing(imgPath, savePath):

files = os.listdir(imgPath)

files.sort()

img=Image.open(img).convert(“L”)

for file in files:

fileType = os.path.splitext(file)

if fileType[1] == ‘.png’:

img = Image.open(imgPath + ‘/’ + file)

img = img.convert(“L”)

pixdata = img.load()

w, h = img.size

for y in range(h):

for x in range(w):

if pixdata[x, y] < 220:

pixdata[x, y] = 0

else:

pixdata[x, y] = 255

removeFrame(img,1)

img.save(savePath + ‘/’ + file) # 保存图片

return img

def get_cut(file_name):

img = Image.open(file_name)

不同分辨率减去的值可能不同

可以做一个字典映射

right = img.size[0] - 39

right = img.size[0] - 47

cut_img = []

rct = (

(0, 0, right, 28), # 左边距 上边距 右边距 下边距

)

for part in range(1):

cut_img.append(img.crop(rct[part]))

return cut_img

二值化

binarizing(‘./pic/’, ‘./binpic/’)

切割保存

imgPath = ‘./binpic/’

files = os.listdir(imgPath)

files.sort()

for file in files:

fileType = os.path.splitext(file)

if fileType[1] == ‘.png’:

img = Image.open(imgPath + ‘/’ + file)

img = get_cut(imgPath + ‘/’ + file)

d = 0

for im in img:

d += 1

im.save(‘./cutpic/’ + str(file))

​

注意，切割后的单个图片要保证h和w是一致的。当然了大家可以尝试使用连通区域分割算法进行切割。

5、人工标注数据集

---

建立0-9一共10个文件夹，人工判断字符属于哪个文件夹，并将拆分的字符文件移动到对应的文件夹中。由于字符不是很复杂每一个文件夹只需大概20个文件即可：

​

​

6、机器学习

---

得到数据集之后，我们就可以构建机器学习模型。机器学习算法采用的是SVM算法，具体就不详解了，先图片数据转文本数据，

代码如下：

# 获取图像二值化数值

import numpy as np

from PIL import Image

import os, sys

def getBinaryPix(im):

im = Image.open(im)

im = im.convert(“L”)

img = np.array(im)

rows, cols = img.shape

print(img.shape)

for i in range(rows):

for j in range(cols):

if (img[i, j] <= 220):

img[i, j] = 0

else:

img[i, j] = 1

binpix = np.ravel(img)

binpix=img.reshape(1,rows*cols)

return binpix

def getfiles(path):

files = []

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**
[外链图片转存中…(img-Cz8FTc7d-1712955740524)]
[外链图片转存中…(img-1VRr4pMW-1712955740524)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-CCi2CFkV-1712955740524)]