前言

嗨嘍，大家好呀~這里是愛看美女的茜茜吶

開發(fā)環(huán)境:

• python 3.8

• pycharm

模塊使用:

• requests --> pip install requests

• re

• base64

• docx --> pip install python-docx

第三方模塊安裝方法：

win + R 輸入cmd 輸入安裝命令 pip install 模塊名

(如果你覺得安裝速度比較慢, 你可以切換國(guó)內(nèi)鏡像源)

準(zhǔn)備工作

在寫代碼之前，你需要先在Baidu開發(fā)者平臺(tái)申請(qǐng)權(quán)限，

步驟如下：

1. 登錄百度智能云

• 沒有Baidu賬號(hào)的注冊(cè)一個(gè)；

• 第一次進(jìn)入會(huì)有這樣一個(gè)頁面，你自己隨意填

2. 通過界面右上角進(jìn)入控制臺(tái)

3. 進(jìn)入控制臺(tái)后點(diǎn)擊左上角的菜單欄

3. 選中產(chǎn)品服務(wù)

搜索人臉識(shí)別

4. 點(diǎn)擊創(chuàng)建應(yīng)用

應(yīng)用名稱隨便填

接口選擇默認(rèn)

應(yīng)用歸屬選個(gè)人

應(yīng)用描述隨便填

然后點(diǎn)擊立即創(chuàng)建

5. 創(chuàng)建完畢后點(diǎn)擊返回應(yīng)用列表

重點(diǎn)點(diǎn)擊領(lǐng)取免費(fèi)資源

6. 進(jìn)行實(shí)名認(rèn)證后領(lǐng)取服務(wù)類型里面的所有內(nèi)容

實(shí)名認(rèn)證需要一定時(shí)間

7. 領(lǐng)取完畢之后回到應(yīng)用列表

復(fù)制API Key和Secret Key里的內(nèi)容，用于后期的接口認(rèn)證

?? ?? ?? 更多精彩機(jī)密、教程，盡在下方，趕緊點(diǎn)擊了解吧~

素材、視頻教程、完整代碼、插件安裝教程我都準(zhǔn)備好了，直接在文末名片自取就可

代碼實(shí)現(xiàn)步驟

1. 發(fā)送請(qǐng)求, 模擬瀏覽器對(duì)于 文檔頁面url地址 發(fā)送請(qǐng)求

2. 獲取數(shù)據(jù), 獲取服務(wù)器返回響應(yīng)數(shù)據(jù)

3. 解析數(shù)據(jù), 提取我們需要的內(nèi)容:

   sid參數(shù) / 文檔頁數(shù) / 文檔名稱

   構(gòu)建文檔圖片鏈接

4. 保存數(shù)據(jù), 把文檔圖片內(nèi)容保存下來

代碼展示

# 導(dǎo)入數(shù)據(jù)請(qǐng)求模塊
import requests
# 導(dǎo)入正則模塊
import re
import base64
from docx import Document

doc = Document()


def Content(content):
    url = "https://****/oauth/2.0/token?grant_type=client_credentials&client_id=xxxx&client_secret=xxxx"
    payload = ""
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
    }
    response = requests.request("POST", url, headers=headers, data=payload)
    access_token = response.json()['access_token']
    '''
    通用文字識(shí)別（高精度版）
    '''
    request_url = "https://****/rest/2.0/ocr/v1/accurate_basic"
    # 二進(jìn)制方式打開圖片文件
    # f = open('img\\1 計(jì)算機(jī)概述1.jpg', 'rb')
    img = base64.b64encode(content)
    params = {"image":img}
    request_url = request_url + "?access_token=" + access_token
    headers = {'content-type': 'application/x-www-form-urlencoded'}
    json_data = requests.post(request_url, data=params, headers=headers).json()
    words_result = '\n'.join([i['words'] for i in json_data['words_result']])
    print(words_result)

# 模擬瀏覽器 --> 字典數(shù)據(jù)類型 --> 鍵:值
headers = {
    # User-Agent 用戶代理 表示瀏覽器基本身份信息
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'
}
# 請(qǐng)求鏈接
url = 'https://****/p-3282300896.html'
# 發(fā)送請(qǐng)求
response = requests.get(url=url, headers=headers)

# 獲取網(wǎng)頁數(shù)據(jù)
html_data = response.text
# 提取sid參數(shù)
sid = re.findall('flash_param_hzq:"(.*?)",', html_data)[0]
# 提取名字
name = re.findall('productName:"(.*?)",', html_data)[0]
# 提取頁碼
num = re.findall('<em>(\d+)</em>頁</span>', html_data)[0]
# 構(gòu)建完整圖片鏈接
content_list = []
for page in range(1, int(num)+1):
    # 字符串格式化方法
    img = f'http://221.122.117.73/docinpic.jsp?sid={sid}&file=3282300896&width=942&pageno={page}'
    # 發(fā)送請(qǐng)求, 獲取二進(jìn)制數(shù)據(jù)<圖片內(nèi)容>
    img_content = requests.get(url=img, headers=headers).content
    words = Content(img_content)
    doc.add_paragraph(words)

doc.save(f'{name}.docx')

正則表達(dá)式提取數(shù)據(jù)內(nèi)容

• re.findall(‘?dāng)?shù)據(jù)’, ‘地方’) 調(diào)用re模塊里面findall方法

  查找所有我們需要的數(shù)據(jù)內(nèi)容

尾語

感謝你觀看我的文章吶~本次航班到這里就結(jié)束啦 ??

希望本篇文章有對(duì)你帶來幫助 ??，有學(xué)習(xí)到一點(diǎn)知識(shí)~

躲起來的星星??也在努力發(fā)光，你也要努力加油（讓我們一起努力叭）。

最后，宣傳一下呀~??????更多源碼、資料、素材、解答、交流皆點(diǎn)擊下方名片獲取呀????文章來源地址http://www.zghlxwxcb.cn/news/detail-544714.html

到了這里，關(guān)于Python獲取豆丁文檔數(shù)據(jù)內(nèi)容, 保存word文檔的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！