python爬虫图片验证码

时间:2022-09-28 start field 人气:0

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，这样很好的避免了被干扰。

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。

总结

加载全部内容