Python爬虫之从网站图片中抓取文字

  本程序采用selenium和phantomjs爬取亚马逊图书详情页面，并且使用Tesseract OCR识别图书大图上的文字。
  程序模拟了我们在浏览器上的操作过程。点击下方会触发页面的js弹出模态框，此时页面的dom会增加，然后点击模态框右边的图片可以进行切换，模态框上左边的图片会跟着进行变换。通过获取模态框左边的图片然后用OCR技术识别图片上的文字。

实现代码如下：

import time
from urllib.request import urlretrieve
import subprocess
from selenium import webdriver

driver =