Python网络爬虫权威指南（第2版）试买阅读体验

Python网络爬虫权威指南（第2版）试买阅读体验

虽然这本书是2019年4月出的新书。

但是实际内容基本上和第一版是一模一样的，所以通识教育还可以，但是里面的代码全都不能用了。

能不能用点心啊

第177页的代码从逻辑上就不对啊，import的pytesseract就没用，而是通过subprocess调用，这应该是第一版的思路，不过我也搞不清这是作者还是译者的锅，把代码改成如下更合理

import time

from urllib.request import urlretrieve

from PIL import Image

import pytesseract

from selenium import webdriver

from PIL import Image

# Create new Selenium driver

driver = webdriver.Chrome(executable_path='drivers/chromedriver/chromedriver')

driver.get(

'https://www.amazon.com/Death-Ivan-Ilyich-Nikolayevich-Tolstoy/dp/1427027277')

time.sleep(2)

# Click on the book preview button

driver.find_element_by_id('imgBlkFront').click()

imageList = []

# Wait for the page to load

time.sleep(5)

while 'pointer' in driver.find_element_by_id('sitbReaderRightPageTurner').get_attribute('style'):

# While the right arrow is available for clicking, turn through pages

driver.find_element_by_id('sitbReaderRightPageTurner').click()

time.sleep(2)

# Get any new pages that have loaded (multiple pages can load at once,

# but duplicates will not be added to a set)

pages = driver.find_elements_by_xpath(

'//div[@class='pageImage']/div/img')

if not len(pages):

print('No pages found')

for page in pages:

image = page.get_attribute('src')

print('Found image: {}'.format(image))

if image not in imageList:

urlretrieve(image, 'page.jpg')

imageList.append(image)

print(pytesseract.image_to_string(Image.open('page.jpg')))

driver.quit()

这本书别买，本书不仅是第一版而且只有web爬虫。

上一篇：精通Scrapy网络爬虫试买阅读体验

下一篇：Python 3爬虫、数据清洗与可视化实战试买阅读体验