背景需求,发送一个中文,返回拼音+声调。
解决之道一
百度一下 “汉字转拼音api”,是否有相关免费的api,还真的找到个“showapi易源接口”。可惜它不带声调。百度一下“python汉字转拼音+声调”,找到一篇“Python: 汉字转拼音(带声调)”的文章。哈哈,按照功能实现需求了。咳咳,有些跑题。为了贴近标题,提供解决之道二。
解决之道二
百度一下某个汉字,比如“我”,打开百度汉字,如图:
发现会有很多资源,拼音、部首、笔画、五行、基本释义等等。
准备用python爬。直接用urllib.request爬取,发现得到的刚好没有这些资源,怎么回事?
在浏览器下发现有这么一串js
将unicode转中文后得到:
name":"我","type":"word","radical":null,"strokes":"7","definition":"wǒ#wo3#自称,自己,亦指自己一方:~们。~见(我自己的看法)。~辈。~侪(我们)。自~。~盈彼竭。"
说明对应的这些内容是由js动态生成的。我们需要能爬到动态的内容,可以使用selenium+chrome得到。
为什么不用PhantomJS?
一、PhantomJS暂停开发二、新版本的Selenium不再支持PhantomJS
我们可以用chrome的headless模式,当然对chrome有要求,版本需要>=60(windows)>=59(linux)。还需要对应的chromeDriverchromeDriver要求和配置可以参照我的另一篇文章《Python+selenium自动上传博客图片至新浪微博相册》
上代码~
from selenium import webdriverfrom selenium.webdriver.chrome.options import Optionschrome_options = Options()chrome_options.add_argument('--headless')chrome_options.add_argument('--disable-gpu')driver = webdriver.Chrome(chrome_options=chrome_options, executable_path='C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe')driver.get("百度汉字的")print(driver.page_source)
duang~duang~duang~就这么成功爬取到了js动态生成的内容