python爬蟲模擬登錄之圖片驗證碼實現詳解
我們在用爬蟲對門戶網站進行模擬登錄是總會有輸入圖片驗證碼的,例如這種
那我們怎麼解決這個問題實現全自動的模擬登錄呢?隻要思想不滑坡,辦法總比困難多。我這裡使用的是百度智能雲裡面的文字識別功能,每天好像可以免費使用個幾百次,識別效果也還行,對一般人而言是夠用瞭。
接下來說說,怎麼使用。
首先,打開百度智能雲(https://cloud.baidu.com/)進行登入,再進入人工智能->文字識別裡創建應用。
在使用名稱和底下應用描述隨便寫寫,然後點立即創建。
創建完成,就可以拿到 AppID 、API Key 、Secret Key
之後要在pycharm下載baidu-aip,然後導入AipOcr包。
from aip import AipOcr #aip在baidu-aip中
再然後就是初始化百度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'
我們先要把 圖片驗證碼下載下來進行二值化處理,這樣識別的準確率高一些。
這裡要下載pillow庫,然後導入Image包
from PIL import Image #PIL在pillow庫中
#圖片處理 # 二值化處理 灰度閾值設為127,高於這個值的點全部填白色 img_old = Image.open('code.jpg') img_old = img_old.convert('L') # 灰度圖 模式“L” 每個像素用8個bit表示,0表示黑,255表示白 threshld = 127 #設置閾值,圖片的像素范圍(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') # 對圖像像素操作 模式“1” 為二值圖像,非黑即白。但是它每個像素用8個bit表示,0表示黑,255表示白 img_old.save('code.jpg')
對於那些有幹擾線,特別還是明暗交替的圖片驗證碼來說,這樣很好的避免瞭被幹擾。
這裡的圖片中沒有太多幹擾線且也沒有明暗交替所以看起來不明顯,隻是想讓大傢看看對比。
處理前 處理後
後面就是調用baidu_aip來讀取圖片中的內容。baidu_aip.handwriting
#讀取處理後的驗證碼 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) #使用的是識別手寫文字,返回一個字典,其中words_result是一個列表,裡面有識別結果也是一個字典 print('驗證碼是:',result['words_result'][0]['words'])
baidu_aip.handwriting這裡面有很多識別文字的方法,我用的是識別手寫文字,如果大傢使用這個方法感覺效果不好可以選擇其他方法。
最後是完整的代碼。
# -- 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' #下載驗證碼圖片 session = requests.session() img_data = session.get(url=url,headers=headers).content with open('./code.jpg','wb') as fp: fp.write(img_data) #圖片處理 # 二值化處理 灰度閾值設為127,高於這個值的點全部填白色 img_old = Image.open('code.jpg') img_old = img_old.convert('L') # 灰度圖 模式“L” 每個像素用8個bit表示,0表示黑,255表示白 threshld = 127 #設置閾值,圖片的像素范圍(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') # 對圖像像素操作 模式“1” 為二值圖像,非黑即白。但是它每個像素用8個bit表示,0表示黑,255表示白 img_old.save('code.jpg') #讀取處理後的驗證碼 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) #使用的是識別手寫文字,返回一個字典,其中words_result是一個列表,裡面有識別結果也是一個字典 print('驗證碼是:',result['words_result'][0]['words'])
這隻是百度智能雲裡面的一個小功能,還有很多其他的功能,大傢感興趣可以去看看百度智能雲裡面的官方文檔 ,還有視頻教程。
總結
到此這篇關於python爬蟲模擬登錄之圖片驗證碼實現的文章就介紹到這瞭,更多相關python爬蟲圖片驗證碼內容請搜索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:
- Python調用百度AI實現圖片上表格識別功能
- Python基於百度AI實現抓取表情包
- 教你用Python實現自動提取並收集信息的功能
- python爬蟲如何解決圖片驗證碼
- Python實現PDF掃描件生成DOCX或EXCEL功能