此博客仅为我业余记录文章所用，发布到此，仅供网友阅读参考，如有侵权，请通知我，我会删掉。

项目环境：Windows10 +Python3.6+Pycharm2019 + Tesseract ORC**
文末附完整代码链接。

请提前安装以下工具与python模块，高考要考。

安装Tesseract OCR（Optical Character Recognition , 光学字符识别）引擎，链接：https://github.com/tesseract-ocr/tesseract/wiki，然后安装python模块的PIL + pytesseract

本人反反爬全部文章： 京东爬虫 、大众点评woff字体反爬、有道翻译。。。

前言：本次案例网站用到的反爬手段是css Sprite，俗称雪碧图css Sprite 细解链接

1.分析网站反爬手段

1.1 看下图

1.2 打开Chrome的开发者工具，鼠标移动到展示出来的价格处，可以看到价格。等等？？我看到的是什么？看画框的地方，哦！价格是一张png格式的图片。

1.3 直接访问png格式的图片的url
1.4 访问png的url后，看到一张图片，是0-9共10位阿拉伯数字，但数字的排序好像不太对劲。
1.5 咦，好像有点眉目了。

1.6 通过分析，得出结论：图片的偏移量是以-21.4递减px的。so，，没错，这就是本次解题的思路。
至此，该爬虫案例已经完成85%。

2. 思路 + 解析方法

上边我们已经知道了数字生成的规律。所以现在就说一下怎么去获取数字。

思路：

2.1 利用Tesseract ORC 光学字符识别工具，获取png图片的数字。

2.2 建立一个基准的图片偏移量列表，用以与字符串对应生成{图片偏移量：数字}字典。

offsets = ['-0px','-21.4px','-42.8px','-64.2px','-85.6px','-107px','-128.4px','-149.8px','-171.2px','-192.6px']

2.3 从页面提取房源的价格的图片偏移量，进行雪碧图替换。

2.4 反反爬完成。

3. 核心代码

3.1 图片识别

# 导入两个包，一个是识别文字，一个是打开图片
import pytesseract
from PIL import Image

img = Image.open('xx.png')
num = pytesseract.image_to_string(img)
print(num)	# 输出图片识别后的字符串

3.2 生成正确的字典

3.2.1 基准图片偏移量列表

offsets = ['-0px','-21.4px','-42.8px','-64.2px','-85.6px','-107px','-128.4px','-149.8px','-171.2px','-192.6px']

3.2.2 将偏移量列表与图片识别后数字共同便利，得出正确字典。

real_num = {}
for k,v in zip(offsets,num):
    real_num[k] = v
print(real_num)

有需要完整代码的可以留下你的邮箱哦。
好了，本次的分享到此结束。
有任何疑问欢迎在下方留言哦。