（本人原创，谢绝转载）
咳咳。。豇豆哥昨天偷懒了，没给大家分享文章。。太累了
今天可就不能偷懒了。。继上一篇微信指数推出来，粉丝蹭蹭蹭的上涨，心中大喜（实则窃笑，不知道多少小白又要入坑啦）哈哈。。。
今天推出第三篇，百度指数。
感谢篇：
写这篇文章之前还是首先要感谢一些人：
@采铜谢谢老大哥给我提供的思路与提示
其次感谢@七夜的故事 谢谢老哥提供解决百度登录的思路。。思路清晰明了，一读就懂。
当然还有一个最需要感谢的是我的团队老哥@小庄 此老哥骨骼精奇，专治疑难杂症！！
好了 正式开始！
分析篇：
百度指数：百度指数搜索关键词：美女（百度：想看美女，没门！）
给我给我登录，不登录门都没有！！
好吧，开启踩坑之路！！
1、百度登录。。推荐大家上github上搜索baidulogin.py （也就是我要感谢的哪位老哥提供的登录思路。）登录可以解决了额。。
2、那么我们就开始疯狂的搜搜（什么美女啊，波多野结衣啊、日本女优啊。。。咳咳差不多了，一个一个的来不然受不了）查到了吧，哈哈这么简单。有日期，有数据。这不正是我想要的吗？（此时脑袋中疯狂的想到了用fiddler抓包，分析，请求，gameover）
开启fiddler中。。。。
我找啊找。。，找到了，简单吧。。返回值还是json（我的最爱。）咦？不对吧，这个返回值怎么没有我需要的数据呢（坑来了。。。）
3、寻找我需要的数据，但是返回值是一串我看不懂的代码。等等。。我发现一个userIndexes_enc的值是不一样？这个是什么值呢，于是乎我在整个fiddler里面搜索关键字：b3ef，发现了
哈哈 有收获吧，在来看看这个这个网页的返回值是什么？感觉是个前端的代码。。看不懂（大坑）
好吧，可以先把userIndexes_enc的值拿下来，可能有用。
4、继续寻找参数来源：
在寻找这些参数的来源时候，是通过web端的代码去解析出res和res2来获取的，这一段得感谢@采铜老哥的解答。我成功的拿到了res 和res2，我是用了execute_script这个函数去执行脚本后拿到的（坑）
5、这一段代码有啥用呢？我也不知道，主要是看不懂源代码，赶紧去补一些前端的知识（祭出我百度大法好，坑！）。。大概了解这段代码的意思后，俺们动手了。
大概的意思是一些html下图片。（似乎懂了，百度这个大坑。居然用前端渲染的图片作为返回值！！！下次搜索放弃你了，还是我Google大法好！！！）
6、拿到图片后，当然得识别图片上的数字啦。。（悄悄告诉大家，又是一个大坑！），识别图片嘛，简单。。tesseract随便搞搞就出来了。。咳咳把图片拿下之后才发现是这样的。
蒙版识别（吐。。。。），不过坚持就是胜利，把数据从里面拿出来就行啦。。不难不难
于是乎，我开始了我编程的大坑路！！
编程篇：
1、百度登录这块直接参考别人得文章，耗费的时间实际上不长（乔布斯老人家说过嘛，greate artist steal。https://github.com/qiyeboy/baidulogin/blob/master/baidulogin.py
这个不错，逻辑清晰，代码干净，万能的github果然不辜负我的重望）
2、获取res、res2、res3[]，实话说，获取res和res2是最难的，想过很多办法都没获取，在团队（奇男子的帮住下，两行代码解决问题，在下怎么一个服字了得！！！记住：他叫小庄！！！）res3[]的获取相对要简单的多，传入一个时间参数，res和res2传入进去后就能获得！
3、请求数据，获得html的图片，并采用切割拼接的方法获得数据图片(老板，上菜)：
拼接渲染之后的图片。
4、图片识别，这块网上教程太多，我就不多讲！
还是给大家贴一点福利吧（核心代码）：
ok，编程篇讲完了，是不是感觉一脸闷逼。。
咦好像少了一点啥：
对对对！！！结果图：
第一章是win7下直接采集的数据：
第二章是通过接口调用获得的数据：
数据截图不完整，可以对比一下，接口是调通了的。。
总结篇：
1、分析很关键，分析通了写代码就很简单。
2、从根源找起，找到需要的参数，一步一步的走过来（实话说：是不是有点像高中数学中的证明题！！特别是反证法。ps：俺的最爱）
3、用到的技术：Python执行js代码的库，selenium+phantomjs获取cookies,图片的切割和拼接，图像识别（像素比对）。
4、在图像识别这块可以使用神经网络学习，不过俺不会，继续加强学习！本人技术比较low，还有很多不懂的地方，知乎中的各位大神小神，文章有不妥的地方欢迎指出，也欢迎粉我，私信骚扰俺。
网友评论