Selenium+Tesseract-OCR智能識別驗證碼爬取網頁數據的實例
1.項目需求描述
通過訂單號獲取某系統內訂單的詳細數據,不需要賬號密碼的登錄驗證,但有圖片驗證碼的動態識別,將獲取到的數據存到數據庫。
2.整體思路
1.通過Selenium技術,無窗口模式打開瀏覽器
2.在輸入框中動態輸入訂單號
3.將圖片驗證碼截圖保存到本地
4.通過Tesseract-OCR技術去本地識別驗證碼轉化為文字
5.將獲取的驗證碼輸入輸入框
6.點擊查詢獲取列表數據
3.功能實現
1.下載並安裝Google瀏覽器,安裝Google驅動chromedriver.exe,獲取安裝路徑,配置在項目中
2.使用Selenium進行瀏覽器操作
System.setProperty(瀏覽器驅動, 瀏覽器驅動安裝位置); ChromeOptions options = new ChromeOptions(); options.addArguments("--headless"); // 無窗口模式 options.addArguments("--disable-infobars"); // 禁言消息條 options.addArguments("--disable-extensions"); // 禁用插件 options.addArguments("--disable-gpu"); // 禁用GPU options.addArguments("--no-sandbox"); // 禁用沙盒模式 options.addArguments("--disable-dev-shm-usage"); options.addArguments("--hide-scrollbars"); // 隱藏滾動條 WebDriver driver = new ChromeDriver(options); driver.get(爬取網站URL); driver.manage().window().setSize(new Dimension(450, 260)); // 設置遊覽器打開後調整大小 try { // 保存IMG圖片到本地 saveImgToLocal(driver); Thread.sleep(2000); // OCR智能識別驗證碼 String codeByOCR = getCodeByOCR(); if (codeByOCR != null) { try { WebElement input1 = driver.findElement(By.id(TEXTBOX1)); input1.sendKeys(code); WebElement input2 = driver.findElement(By.id(TEXTBOX2)); input2.sendKeys(codeByOCR); // 獲取table數據 WebElement addButton = driver.findElement(By.id(SELECT_BUTTON)); addButton.click(); List<WebElement> tRCollection = driver.findElement(By.id(TABLE_ID)).findElements(By.tagName("tr")); for (int t = 1; t < tRCollection.size(); t++) { List<WebElement> tDCollection = tRCollection.get(t).findElements(By.tagName("td")); VipLogisticsMinHangDetailVo minHangDetailVo = new VipLogisticsMinHangDetailVo(); minHangDetailVo.setLogistics_number(code); for (int i = 0; i < tDCollection.size(); i++) { String text = tDCollection.get(i).getText(); switch (i) { case 0: minHangDetailVo.setTime(text); case 1: minHangDetailVo.setOutlet(text); case 2: minHangDetailVo.setOrganization(text); case 3: minHangDetailVo.setEvent(text); case 4: minHangDetailVo.setDetail(text); } } list.add(minHangDetailVo); } log.info("驗證碼識別成功!"); } catch (Exception e) { if (e.toString().contains("錯誤提示:驗證碼錯誤或已過期!")) { log.error("驗證碼識別錯誤!" + e.toString()); } else if (e.toString().contains("錯誤提示:請輸入驗證碼!")) { log.error("未輸入驗證碼!:" + e.toString()); } else { log.error("其他異常:" + e.toString()); } } } driver.quit(); } catch (Exception e) { e.printStackTrace(); }
3.將圖片驗證碼截圖保存到本地(截屏法)
private void saveImgToLocal(WebDriver driver) { WebElement element = driver.findElement(By.id(img元素ID)); //創建全屏截圖 WrapsDriver wrapsDriver = (WrapsDriver) element; File screen = ((TakesScreenshot) wrapsDriver.getWrappedDriver()).getScreenshotAs(OutputType.FILE); try { BufferedImage image = ImageIO.read(screen); //創建一個矩形使用上面的高度,和寬度 Point p = element.getLocation(); //元素坐標 BufferedImage img = image.getSubimage(p.getX(), p.getY(), element.getSize().getWidth(), element.getSize().getHeight()); ImageIO.write(img, "png", screen); FileUtils.copyFile(screen, new File(保存本地地址 + "imgname.png")); } catch (IOException e) { e.printStackTrace(); } }
4.將圖片驗證碼保存到本地(鼠標法)
private static void saveImgToLocal1(WebDriver driver) { Actions action = new Actions(driver); action.contextClick(driver.findElement(By.id(img元素ID))).build().perform(); try { Robot robot = new Robot(); Thread.sleep(1000); robot.keyPress(KeyEvent.VK_DOWN); Thread.sleep(1000); robot.keyPress(KeyEvent.VK_DOWN); Thread.sleep(1000); robot.keyPress(KeyEvent.VK_ENTER); Thread.sleep(1000); //釋放向下鍵,不然在此之前的條目將起作用 robot.keyRelease(KeyEvent.VK_DOWN); Thread.sleep(1000); //運行保存 Runtime.getRuntime().exec(SAVE_IMG_EXE); Thread.sleep(10000); } catch (Exception e) { e.printStackTrace(); } }
5.對本地驗證碼進行OCR識別
private String getCodeByOCR() { String result = null; File file = new File(本地圖片地址); if (!file.exists()) { if (systemFalg != 1) { file.setWritable(true, false); } file.mkdirs(); } File imageFile = new File(本地圖片地址 + "imgname.png"); if (imageFile.exists()) { ITesseract instance = new Tesseract(); instance.setDatapath(tessdata存放地址); try { String doOCR = instance.doOCR(imageFile); result = replaceBlank(doOCR); log.info("解析的驗證碼為:{}", result != null ? result : "為空!"); } catch (Exception e) { e.printStackTrace(); log.error("解析驗證碼異常!"); } } else { log.error("解析驗證碼的文件不存在!"); } return result; }
綜上,該網頁的數據就可以獲取瞭。
到此這篇關於Selenium+Tesseract-OCR智能識別驗證碼爬取網頁數據的實例的文章就介紹到這瞭,更多相關Selenium+Tesseract-OCR智能識別驗證碼爬取 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 利用Java+Selenium+OpenCV模擬實現網頁滑動驗證
- 使用java + selenium + OpenCV破解網易易盾滑動驗證碼的示例
- c# 從內存中釋放Selenium chromedriver.exe
- Java中Exception和Error的區別詳解
- Python selenium模擬網頁點擊爬蟲交管12123違章數據