pua肆虐？运用python进行图片文字识别得到“所谓pua导师”热卖作品列表，然后用分布式爬虫全网采集，起底各pua!

回 复 潘多拉 送 你 一 个 特 别 推 送

用数据揭穿pua的真面目，python 奥利给！

用python可以做好多好玩的事情，比如说我之前做的，新型冠状病毒疫情之下，采集央视网新联频道，生成词云，看民众最当下最关注什么。用python的requests模块采集央视网新联频道，制做新型冠状病毒战役季热点词云。
 

当然这还不是最好玩的，我之前有发表过文章情感操控术——如何不被渣男控制。为了切实表达对pua不了解，担心上当受骗的群体的关切，我特意用python写了一个脚本，采集某站点兜售的所谓各种导师所有课程的截图。然后用baidu-aip工具包解析出导师的所有作品，然后再经过一些骚操作，处理成“从作品到人到惯用套路的”故事型“pdf文档（开始想直接放在服务器上，部署成小姐姐只要输入某人微信号或微博号或者十张朋友圈常用照，就给出他是pua概率的应用，后来备案太麻烦，因此作罢）。

先看看部分效果。
上代码。

#!/usr/bin/python# -*- coding: UTF-8 -*-from requests_html import HTMLSessionfrom pymongo import MongoClientimport refrom urllib.parse import urlparseimport timefrom baidu.client import BaiduClientfrom baidu.api import BaseBaiduAPIfrom aip import AipOcrimport os,logging

LOG_FILENAME='test.log'logging.basicConfig(filename=LOG_FILENAME,level=logging.INFO)client=MongoClient('127.0.0.1',27017)#连服务器db=client['pua']#连数据库collection=db['pua_recognize_detail']#连