Ruby China

Gem 利用 OCR 解析，京东商品价格

mimosa · 2012年10月16日 · 最后由 hz_qiuyuanxin 回复于 2013年08月01日 · 7746 次阅读
本帖已被管理员设置为精华贴 
# -*- 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
38 个赞
无引用文章
southwolf #1 2012年10月16日

OCR……破验证码利器啊咩哈哈哈

1 个赞
heliang7 #3 2012年10月17日

OCR 的 lib，很不错啊。

cxh116 #4 2012年10月17日

#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

suxu #5 2012年10月19日

RTesseract::ConversionError: RTesseract::ConversionError

jasonchi #6 2012年10月23日

咦...原来都是这么搞的 :D

muzuiget #7 2012年10月23日

抓京东的价格其实不需要 OCR 的，有个接口可用。

zhangyuan #8 2012年10月23日

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。。。。。

mimosa #9 2012年10月23日

#8 楼 @zhangyuan 我只读列表页，不去宝贝页~~

zernel #13 2012年10月23日

不错～

coolzilj #14 2012年10月27日

#5 楼 @suxu 没有安装 tesseract 吧

jokaye #16 2012年11月04日

不错不错..学习下

hz_qiuyuanxin #18 2013年08月01日

这里也有一篇

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)
需要 登录 后方可回复, 如果你还没有账号请 注册新账号