如何使用 selenium、beautifulsoup 和 python 3 从页面中读取和保存图像？答案

【问题标题】：How can I read and save an image from page with selenium, beautifulsoup and python 3?如何使用 selenium、beautifulsoup 和 python 3 从页面中读取和保存图像？
【发布时间】：2020-07-31 05:45:54
【问题描述】：

我的议程是我想在登录过程后保存来自网站的单个图像。检查后的图像返回具有/html/body/form/main/div/section/div[1]/div/div[2]/div/img 的完整xpath。我希望使用漂亮的汤或图像爬虫并将图像保存到变量中，然后使用 tesseract 从图像中提取文本。最近我一直在为 urllib、urllib.requests、selinium 的 x.path 读取图像而苦苦挣扎。我的想法是使用硒来保存图像，但没有找到任何结果。现在我需要编码部分的帮助，我想知道我是否可以将图像保存到变量中，以及 tesseract 是否可以从该变量访问该图像。下面给出了图像样本及其检查图像。（检查的文本图像突出显示）。该表格只是一个示例，在现实生活中并不存在（至少我不知道知道一个）。任何帮助，将不胜感激。非常感谢。

图像1：

图片2：

【问题讨论】：

标签： html css selenium-webdriver beautifulsoup tesseract

【解决方案1】：

你可以使用urllib来保存图片

import urllib
from selenium import webdriver

driver = webdriver.Chrome()
driver.get(WEBSITE_URL)

# get the image  
img = driver.find_element_by_xpath('/html/body/form/main/div/section/div[1]/div/div[2]/div/img')
src = img.get_attribute('src')

# download the image
urllib.request.urlretrieve(src, "img.png")

这会将图像保存到工作目录中的 img.png 文件中，然后您可以使用图像处理和 tesseract 从中提取文本。我不建议使用静态 XPATH 来查找图像，因为如果网站所有者更改网站上的任何内容，它可能会改变，相反，您应该使用这个：

img = driver.find_element_by_id("ContentPlaceHolder1_Imgquestions"),

这样即使网站布局发生变化，您仍然可以通过其 id 找到图像。

【讨论】：