用python抓取百度指数 以及 用cxfreeze打包的经验

用python抓百度指数，参考的文章是 https://github.com/TTyb/Baiduindex ，或者看这里 http://www.cnblogs.com/TTyb/p/6051366.html ，这两篇文章是一样的；

需要注意的地方是：

1）安装 selenium2.45 和 Firefox32.0.1 时要注意两者版本的匹配，Firefox版本太高反而不匹配；

2）当查找多个关键词的百度指数时，查第一个词时，是这样操作的：

browser.find_element_by_id("schword").clear()
browser.find_element_by_id("schword").send_keys(keyword)
browser.find_element_by_id("searchWords").click()

但第一个词点击完，窗口就变了，查第二个词的时候是这样的：

browser.find_element_by_id("schword").clear()
browser.find_element_by_id("schword").send_keys(keyword)
browser.find_element_by_id("schsubmit").click()

 

3）得到关键词的百度指数截图时，  需要从截图中截出数字来，在裁剪的时候要考虑前面字符的长度，但字符有中文字符，英文字符，英文字符的长度是中文字符的一半，这个是要考虑到的，要不然剪切的长度太大，可能剪过了，剪出一个没有数字的黑图片来。

在rangle这行代码中，在原代码的基础上加入add_length，这个add_length的规则是中文字符长度占1，英文数字字符长度占1/2，这样来计算add_length；

add_length = (keyword_len - 2)*sizes['width']/15        
rangle = (int(locations['x'] + sizes['width']/4 + add_length), int(locations['y'] + sizes['height']/2), 
          int(locations['x'] + sizes['width']*2/3), int(locations['y'] + sizes['height']))

 

用cxfreeze打包的时候，python文件中用到的package 类，加在packages includes里，还有会遇到一些奇怪的问题，报ImportError 或 sys._MEIPASS 有关的错误，这时候直接把出错的代码注释掉即可，在tesseract.py文件中run_tesseract这个方法中，注释掉  _set_environment() 这行就可以了。

build_exe_options = {
    'packages' : ['selenium', 'os', 're', 'time', 'codecs', 'pyocr'],
    'includes' : ['PIL', 'datetime'],
}