python爬蟲如何解決圖片驗證碼
之前剛開始做爬蟲的時候遇到過登錄驗證碼問題，看過很多帖子都沒有解決我的問題，發現大多數帖子都是治標不治本，於是想分享一下自己的解決方案。本次采用的網站是古詩文網，使用百度API，因為百度API免費！免費！免費！適合自己學習的時候使用。如果還沒有使用過百度API識別驗證碼的朋友可以看一下我的這個帖子。
以下案例采用的時古詩文網：登錄古詩文網，
1、selenium處理圖片驗證碼
先定位到驗證碼圖片，在獲取驗證碼圖片在頁面中的位置，使用save_screenshot截取頁面，再根據圖片的位置去截取驗證碼，最後通過接口識別文字獲取驗證碼，直接上代碼：
element = driver.find_element_by_id('imgCode') # 定位驗證碼圖片
# 獲取驗證碼圖片在網頁中的位置
left = int(element.location['x']) # 獲取圖片左上角坐標x
top = int(element.location['y']) # 獲取圖片左上角y
right = int(element.location['x'] + element.size['width']) # 獲取圖片右下角x
bottom = int(element.location['y'] + element.size['height']) # 獲取圖片右下角y
# 通過Image處理圖像
path = current_dir + str(random.random()) + '.png' # 生成隨機文件名
driver.save_screenshot(path) # 截取當前窗口並保存圖片
im = Image.open(path) # 打開圖片
im = im.crop((left, top, right, bottom)) # 截圖驗證碼
im.save(path) # 保存驗證碼圖片
# 使用百度API識別驗證碼
def get_code():
client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 百度API文檔中提供的方法識別文字
# 由於我處理的驗證碼圖片沒有填多的線條，所以直接采用灰度是驗證碼數字更加清晰，具體的處理方式可根據驗證碼的實際情況而定
im = Image.open(path)
# 轉換為灰度圖像
im = im.convert('L')
im.save(path)
# 讀取圖片，應為百度API中提供的方法參數隻能是字節流
with open(path, 'rb')as f:
image = f.read()
# 使用API中提供的方法識別驗證碼並返回驗證碼
code = client.basicGeneral(image)
print(code['words_result'][0]['words']) # {'words_result': [{'words': '4TBiD ', 'location': {'top': 1, 'left': 6, 'width': 43, 'height': 13}}], 'log_id': 1358288307112378368, 'words_result_num': 1}
return code['words_result'][0]['words']
2、使用requests請求驗證碼
這裡用到瞭會話機制，對於初學者來說可能不太瞭解，簡單說一下會話機制的作用，會話就是用來保存你之前請求的cookie，讓瀏覽器知道你之前就在這裡，這樣瀏覽器就不會認為你重新來到這裡，從而刷新驗證碼，這樣就可以帶著我們獲取的驗證碼去登錄瞭。
conn = requests.Sessoin( # 創建會話
resp = conn.get('https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx')
selector = Selector(text=resp.text)
img_url = 'https://so.gushiwen.cn/'+selector.xpath('.//img[@id="imgCode"]/@src').get() # 獲取圖片的路由
img = conn.get(img_url) # 保持會話請求
filename = str(random.random()) + '.png'
with open(filename, 'wb')as f:
f.write(img.content)
# 為瞭後面的調用接口識別不報圖片格式錯誤，進行一次圖片轉換
im = Image.open(filename)
im.save(filename)
# 使用二進制方式讀取圖片
with open(filename, 'rb')as f:
image = f.read()
data = client.handwriting(image) # diao'yong
# 使用API中提供的方法識別驗證碼並返回驗證碼
code = client.basicGeneral(image)
code = code['words_result'][0]['words']
selenium源碼
# -* coding: utf-8 *-
import time
import random
from PIL import Image
from aip import AipOcr
from selenium.webdriver import Chrome
# 百度API參數
APP_ID = '23647800'
API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN'
SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 調用API接口
def scrapy(username, password):
"""
:param username: 用戶名
:param password: 密碼
"""
driver = Chrome()
driver.get('https://so.gushiwen.cn/user/login.aspx')
driver.find_element_by_id('email').send_keys(username) # 輸入賬號
driver.find_element_by_id('pwd').send_keys(password) # 輸入密碼
element = driver.find_element_by_id('imgCode') # 定位驗證碼圖片
# 獲取驗證碼圖片在網頁中的位置
left = int(element.location['x']) # 獲取圖片左上角坐標x
top = int(element.location['y']) # 獲取圖片左上角y
right = int(element.location['x'] + element.size['width']) # 獲取圖片右下角x
bottom = int(element.location['y'] + element.size['height']) # 獲取圖片右下角y
# 通過Image處理圖像
filename = str(random.random()) + '.png' # 生成隨機文件名
driver.save_screenshot(filename) # 截取當前窗口並保存圖片
im = Image.open(filename) # 打開圖片
im = im.crop((left, top, right, bottom)) # 截圖驗證碼
im.save(filename) # 保存驗證碼圖片
# 由於我處理的驗證碼圖片沒有填多的線條，所以直接采用灰度是驗證碼數字更加清晰，具體的處理方式可根據驗證碼的實際情況而定
im = Image.open(filename)
# 轉換為灰度圖像
im = im.convert('L')
im.save(filename)
# 讀取圖片，應為百度API中提供的方法參數隻能是字節流
with open(filename, 'rb')as f:
image = f.read()
# 使用API中提供的方法識別驗證碼並返回驗證碼
data = client.basicGeneral(image)
try:
code = data['words_result'][0]['words']
except:
return data['error_msg']
driver.find_element_by_id('code').send_keys(code) # 輸入驗證碼
driver.find_element_by_id('denglu').click() # 點擊登錄
time.sleep(1000) # 為瞭看清登錄，等待1000秒
if __name__ == '__main__':
print(scrapy(username, password)) # 傳入你在古詩文網註冊的賬號密碼
requests源碼
# -* coding: utf-8 *-
import os
import random
import re
import requests
from PIL import Image
from aip import AipOcr
from scrapy import Selector
headers = {
'referer': 'https://so.gushiwen.cn/user/login.aspx',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.146 Safari/537.36'
}
# 百度API參數
APP_ID = '23647800'
API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN'
SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK'
def scrapy(username, password):
"""
:param username: 用戶名
:param password: 密碼
"""
client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 調用API接口
conn = requests.Session() # 創建會話
resp = conn.get('https://so.gushiwen.cn/user/login.aspx', headers=headers) # 獲取登錄頁面
selector = Selector(text=resp.text)
__VIEWSTATE = selector.xpath('.//input[@id="__VIEWSTATE"]/@value').get()
__VIEWSTATEGENERATOR = selector.xpath('.//input[@id="__VIEWSTATEGENERATOR"]/@value').get()
img_url = 'https://so.gushiwen.cn/' + selector.xpath('.//img[@id="imgCode"]/@src').get() # 獲取圖片的路由
img = conn.get(img_url, headers=headers) # 獲取圖片路由
# 保存圖片
filename = str(random.random()) + '.png' # 隨機生成文件名， 圖片格式不能為jpg，API不支持jpg格式的識別
with open(filename, 'wb')as f:
f.write(img.content)
# 由於我處理的驗證碼圖片沒有填多的線條，所以直接采用灰度是驗證碼數字更加清晰，具體的處理方式可根據驗證碼的實際情況而定
im = Image.open(filename)
# 轉換為灰度圖像
im = im.convert('L')
im.save(filename)
# 使用二進制方式讀取圖片
with open(filename, 'rb')as f:
image = f.read()
# # 標準識別, 每天免費50000次
# data = client.basicGeneral(image)
# 精確識別，每天免費500次
data = client.handwriting(image)
# 捕獲一下接口識別當中的錯誤，可參照文檔查看報錯原因
try:
code = data['words_result'][0]['words']
except:
return data['error_msg']
form_data = {
'__VIEWSTATE': __VIEWSTATE,
'__VIEWSTATEGENERATOR': __VIEWSTATEGENERATOR,
'from': '',
'email': username,
'pwd': password,
'code':cod,
'denglu': '登錄'
}
# 登錄
html = conn.post('https://so.gushiwen.cn/user/login.aspx', headers=headers, data=form_data).text
# 獲取登錄標志位
login_flag = re.findall("alert\('(.*?)'\);",html)[0] if re.findall("alert\('(.*?)'\);",html) else ''
if not login_flag:
return '登錄成功！'
elif '驗證碼有誤！' in login_flag:
return "驗證碼錯誤"
if __name__ == '__main__':
print(scrapy(username, password))
以上就是python爬蟲如何解決圖片驗證碼的詳細內容，更多關於python 解決圖片驗證碼的資料請關註WalkonNet其它相關文章！
推薦閱讀：
- python簡單驗證碼識別的實現過程
- selenium+超級鷹實現模擬登錄12306
- Python爬蟲模擬登陸嗶哩嗶哩(bilibili)並突破點選驗證碼功能
- Python中常見的反爬機制及其破解方法總結
- python3定位並識別圖片驗證碼實現自動登錄功能