时间戳

首页 > 解决方案 > 从纳斯达克生成的图像中抓取数据

python - 从纳斯达克生成的图像中抓取数据

问题描述

我想从https://www.nasdaq.com/symbol/amzn/recommendations中获取分析师的建议。

问题是数据以JPEG图像的形式显示，另存为：

https://www.nasdaq.com/charts/AMZN_cnb.jpeg

这些图像是如何生成的，有没有办法以文本形式访问内容？

标签： pythonweb-scraping

解决方案

使用BeautifulSoup库，您可以从网站获取所需的数据。

安装Requests并BeautifulSoup通过pip

  • pip install bs4
  • pip install requests

我希望这可以解决您的查询，因为我正在从网站上抓取 Heading、Netchange、Percentage 和 Recommendations。

from requests import get
from bs4 import BeautifulSoup as bs

url = "https://www.nasdaq.com/symbol/amzn/recommendations"
raw = get(url)
soup = bs(raw.content, 'html5lib')
heading = soup.find('div', {"id":"qwidget_pageheader"}).text
dollar = soup.find('div', {"class": "qwidget-dollar"}).text
netchange = soup.find('div', {"id":"qwidget_netchange"}).text
percentage = soup.find('div', {"id":"qwidget_percent"}).text
recommendations = soup.find('ul', {"class":"floatL fontS14px"}).text
print(heading, dollar, netchange, percentage, recommendations)

刮掉图像，然后您可以使用Pytessaract它从图像中提取文本。

  • pip install pytessaract
  • 在系统上安装 tessaract 例如在 Mac 上你使用 Brew 所以brew install tessaract

Sample Code

try:
    from PIL import Image
except ImportError:
    import Image
import pytesseract

def ocr_core(filename):
    """
    This function will handle the core OCR processing of images.
    """
    text = pytesseract.image_to_string(Image.open(filename))  # We'll use Pillow's Image class to open the image and pytesseract to detect the string in the image
    return text

print(ocr_core('images/ocr_example_1.png'))

推荐阅读