Gem 利用 OCR 解析，京东商品价格
Topic has been selected as the excellent topic by the admin.
# -*- encoding: utf-8 -*-
require 'rtesseract'
require 'mini_magick'
def parse_price(price_url)
img = MiniMagick::Image.open(price_url)
img.resize '200x100' # 放大
img.colorspace("GRAY") # 灰度化
img.monochrome # 去色
str = RTesseract.new(img.path).to_s # 识别
File.unlink(img.path) # 删除临时文件
if str.nil?
puts price_url
else
price = str.strip.sub(/Y/,'').to_f
end
end
调用：
parse_price('http://jprice.360buyimg.com/price/gp723049-1-1-1.png')
# => 169999.0
No reference
#1 楼 @southwolf 这个只能破解简单的验证码，复杂的验证码需要自己去色之类的 京东商品价格是因为不能加入太多干扰，怕影响到用户正常查看价格
京东会把价格放在源文件中，很早以前 est 的一篇文章就提到了。原文找不到了，可以看这个转载 http://zhendi.42qu.com/po/blog/10495594 。
现在页面变了，但是进入京东商品页面，查看源代码还会看到商品标题价格等信息都是写在一起的。。。。。
可是我遇到的问题，跟 @suxu 一样：
ruby-2.0.0-p195/gems/rtesseract-0.0.13/lib/rtesseract.rb:150:in `rescue in convert': RTesseract::ConversionError (RTesseract::ConversionError)