python爬虫模拟登录之图片验证码实现详解
作者:start?field 时间:2022-06-30 00:07:29
我们在用爬虫对门户网站进行模拟登录是总会有输入图片验证码的,例如这种
那我们怎么解决这个问题实现全自动的模拟登录呢?只要思想不滑坡,办法总比困难多。我这里使用的是百度智能云里面的文字识别功能,每天好像可以免费使用个几百次,识别效果也还行,对一般人而言是够用了。
接下来说说,怎么使用。
首先,打开百度智能云(https://cloud.baidu.com/)进行登入,再进入人工智能->文字识别里创建应用。
在使用名称和底下应用描述随便写写,然后点立即创建。
创建完成,就可以拿到 AppID 、API Key 、Secret Key
之后要在pycharm下载baidu-aip,然后导入AipOcr包。
from aip import AipOcr? ? ? ?#aip在baidu-aip中
再然后就是初始化百度API
#百度API
APP_ID = '你的之前拿到的AppID'
API_KEY = '你的之前拿到的API Key'
Secret_Key = '你的之前拿到的Secret Key'
我们先要把 图片验证码下载下来进行二值化处理,这样识别的准确率高一些。
这里要下载pillow库,然后导入Image包
from PIL import Image #PIL在pillow库中
#图片处理
# 二值化处理 灰度阈值设为127,高于这个值的点全部填白色
img_old = Image.open('code.jpg')
img_old = img_old.convert('L') # 灰度图 模式“L” 每个像素用8个bit表示,0表示黑,255表示白
threshld = 127 #设置阈值,图片的像素范围(0,255)
table = []
for i in range(256):
if i <threshld:
table.append(0)
else:
table.append(1)
img_old = img_old.point(table,'1') # 对图像像素操作 模式“1” 为二值图像,非黑即白。但是它每个像素用8个bit表示,0表示黑,255表示白
img_old.save('code.jpg')
对于那些有干扰线,特别还是明暗交替的图片验证码来说,这样很好的避免了 * 扰。
这里的图片中没有太多干扰线且也没有明暗交替所以看起来不明显,只是想让大家看看对比。
处理前 处理后
后面就是调用baidu_aip来读取图片中的内容。baidu_aip.handwriting
#读取处理后的验证码
with open('code.jpg','rb') as fp:
img_new = fp.read()
baidu_aip = AipOcr(APP_ID,API_KEY,Secret_Key)
result = baidu_aip.handwriting(img_new) #使用的是识别手写文字,返回一个字典,其中words_result是一个列表,里面有识别结果也是一个字典
print('验证码是:',result['words_result'][0]['words'])
baidu_aip.handwriting这里面有很多识别文字的方法,我用的是识别手写文字,如果大家使用这个方法感觉效果不好可以选择其他方法。
最后是完整的代码。
# -- coding:UTF-8 --
import requests
from PIL import Image
from aip import AipOcr
if __name__ == "__main__":
#百度API
APP_ID = '你的之前拿到的AppID'
API_KEY = '你的之前拿到的API Key'
Secret_Key = '你的之前拿到的Secret Key'
headers = {
"user-agent": "Mozilla / 5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, likeGecko) Chrome / 97.0.4692.71Safari / 537.36Edg / 97.0.1072.55"
}
url = 'http://www.hyocr.com/captcha.php'
#下载验证码图片
session = requests.session()
img_data = session.get(url=url,headers=headers).content
with open('./code.jpg','wb') as fp:
fp.write(img_data)
#图片处理
# 二值化处理 灰度阈值设为127,高于这个值的点全部填白色
img_old = Image.open('code.jpg')
img_old = img_old.convert('L') # 灰度图 模式“L” 每个像素用8个bit表示,0表示黑,255表示白
threshld = 127 #设置阈值,图片的像素范围(0,255)
table = []
for i in range(256):
if i <threshld:
table.append(0)
else:
table.append(1)
img_old = img_old.point(table,'1') # 对图像像素操作 模式“1” 为二值图像,非黑即白。但是它每个像素用8个bit表示,0表示黑,255表示白
img_old.save('code.jpg')
#读取处理后的验证码
with open('code.jpg','rb') as fp:
img_new = fp.read()
baidu_aip = AipOcr(APP_ID,API_KEY,Secret_Key)
result = baidu_aip.handwriting(img_new) #使用的是识别手写文字,返回一个字典,其中words_result是一个列表,里面有识别结果也是一个字典
print('验证码是:',result['words_result'][0]['words'])
这只是百度智能云里面的一个小功能,还有很多其他的功能,大家感兴趣可以去看看百度智能云里面的官方文档 ,还有视频教程。
来源:https://blog.csdn.net/qq_53221728/article/details/122964257