更多>>关于我们
西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效获取互联网任何公开可见信息。
您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。
数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。
更多>>技术文章
口碑网图片形式电话号码识别(采集)方案
发布时间:2012-02-27
口碑网的商户电话号码是以图片的形式显示的,如下图是一个示例:
图片上数字的格式还是比较规整的(有明显的行间距,字符没有变形和扭曲,同一个字符的表现形式一致),因此使用特征库匹配的方法可以得到很好的效果。
如下图所示是我们建立的特征库(-以及0-9共11个字符):
下面是我们提供的一个在线测试接口,输入商户的URL,点击“电话文字识别”即可看到图片电话文字提取的效果:
效果如下:
如果你有类似的采集需求或需要该识别方案(Python实现),可以和我们的客服取得联系。
特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/