快捷導(dǎo)航

python爬蟲模擬登錄之圖片驗(yàn)證碼實(shí)現(xiàn)詳解

更新時間：2022年08月05日 09:20:30 作者：start?field

眾所周知python是一個很強(qiáng)大的語言,它擁有眾多的庫,今天我嘗試了使用python進(jìn)行驗(yàn)證碼的識別,下面這篇文章主要給大家介紹了關(guān)于python爬蟲模擬登錄之圖片驗(yàn)證碼實(shí)現(xiàn)的相關(guān)資料,需要的朋友可以參考下

我們在用爬蟲對門戶網(wǎng)站進(jìn)行模擬登錄是總會有輸入圖片驗(yàn)證碼的，例如這種

那我們怎么解決這個問題實(shí)現(xiàn)全自動的模擬登錄呢？只要思想不滑坡，辦法總比困難多。我這里使用的是百度智能云里面的文字識別功能，每天好像可以免費(fèi)使用個幾百次，識別效果也還行，對一般人而言是夠用了。

接下來說說，怎么使用。

首先，打開百度智能云（https://cloud.baidu.com/）進(jìn)行登入，再進(jìn)入人工智能->文字識別里創(chuàng)建應(yīng)用。

在使用名稱和底下應(yīng)用描述隨便寫寫，然后點(diǎn)立即創(chuàng)建。

創(chuàng)建完成，就可以拿到 AppID 、API Key 、Secret Key

之后要在pycharm下載baidu-aip，然后導(dǎo)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'

我們先要把圖片驗(yàn)證碼下載下來進(jìn)行二值化處理，這樣識別的準(zhǔn)確率高一些。

這里要下載pillow庫，然后導(dǎo)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(shè)為127，高于這個值的點(diǎn)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(shè)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')

對于那些有干擾線，特別還是明暗交替的圖片驗(yàn)證碼來說，這樣很好的避免了被干擾。

這里的圖片中沒有太多干擾線且也沒有明暗交替所以看起來不明顯，只是想讓大家看看對比。

處理前處理后

后面就是調(diào)用baidu_aip來讀取圖片中的內(nèi)容。baidu_aip.handwriting

    #讀取處理后的驗(yàn)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，里面有識別結(jié)果也是一個字典
    print('驗(yàn)證碼是:',result['words_result'][0]['words'])

baidu_aip.handwriting這里面有很多識別文字的方法，我用的是識別手寫文字，如果大家使用這個方法感覺效果不好可以選擇其他方法。

最后是完整的代碼。

# -- 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(yàn)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(shè)為127，高于這個值的點(diǎn)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(shè)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')
 
    #讀取處理后的驗(yàn)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，里面有識別結(jié)果也是一個字典
    print('驗(yàn)證碼是:',result['words_result'][0]['words'])