python爬虫如何解决图片验证码
更新时间:2021年2月14日 13:47 点击:1771
之前刚开始做爬虫的时候遇到过登录验证码问题,看过很多帖子都没有解决我的问题,发现大多数帖子都是治标不治本,于是想分享一下自己的解决方案。本次采用的网站是古诗文网,使用百度API,因为百度API免费!免费!免费!适合自己学习的时候使用。如果还没有使用过百度API识别验证码的朋友可以看一下我的这个帖子。
以下案例采用的时古诗文网:登录古诗文网,
1、selenium处理图片验证码
先定位到验证码图片,在获取验证码图片在页面中的位置,使用save_screenshot截取页面,再根据图片的位置去截取验证码,最后通过接口识别文字获取验证码,直接上代码:
element = driver.find_element_by_id('imgCode') # 定位验证码图片 # 获取验证码图片在网页中的位置 left = int(element.location['x']) # 获取图片左上角坐标x top = int(element.location['y']) # 获取图片左上角y right = int(element.location['x'] + element.size['width']) # 获取图片右下角x bottom = int(element.location['y'] + element.size['height']) # 获取图片右下角y # 通过Image处理图像 path = current_dir + str(random.random()) + '.png' # 生成随机文件名 driver.save_screenshot(path) # 截取当前窗口并保存图片 im = Image.open(path) # 打开图片 im = im.crop((left, top, right, bottom)) # 截图验证码 im.save(path) # 保存验证码图片 # 使用百度API识别验证码 def get_code(): client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 百度API文档中提供的方法识别文字 # 由于我处理的验证码图片没有填多的线条,所以直接采用灰度是验证码数字更加清晰,具体的处理方式可根据验证码的实际情况而定 im = Image.open(path) # 转换为灰度图像 im = im.convert('L') im.save(path) # 读取图片,应为百度API中提供的方法参数只能是字节流 with open(path, 'rb')as f: image = f.read() # 使用API中提供的方法识别验证码并返回验证码 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请求验证码
这里用到了会话机制,对于初学者来说可能不太了解,简单说一下会话机制的作用,会话就是用来保存你之前请求的cookie,让浏览器知道你之前就在这里,这样浏览器就不会认为你重新来到这里,从而刷新验证码,这样就可以带着我们获取的验证码去登录了。
conn = requests.Sessoin( # 创建会话 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() # 获取图片的路由 img = conn.get(img_url) # 保持会话请求 filename = str(random.random()) + '.png' with open(filename, 'wb')as f: f.write(img.content) # 为了后面的调用接口识别不报图片格式错误,进行一次图片转换 im = Image.open(filename) im.save(filename) # 使用二进制方式读取图片 with open(filename, 'rb')as f: image = f.read() data = client.handwriting(image) # diao'yong # 使用API中提供的方法识别验证码并返回验证码 code = client.basicGeneral(image) code = code['words_result'][0]['words']
selenium源码
# -* coding: utf-8 *- import time import random from PIL import Image from aip import AipOcr from selenium.webdriver import Chrome # 百度API参数 APP_ID = '23647800' API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN' SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK' client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 调用API接口 def scrapy(username, password): """ :param username: 用户名 :param password: 密码 """ driver = Chrome() driver.get('https://so.gushiwen.cn/user/login.aspx') driver.find_element_by_id('email').send_keys(username) # 输入账号 driver.find_element_by_id('pwd').send_keys(password) # 输入密码 element = driver.find_element_by_id('imgCode') # 定位验证码图片 # 获取验证码图片在网页中的位置 left = int(element.location['x']) # 获取图片左上角坐标x top = int(element.location['y']) # 获取图片左上角y right = int(element.location['x'] + element.size['width']) # 获取图片右下角x bottom = int(element.location['y'] + element.size['height']) # 获取图片右下角y # 通过Image处理图像 filename = str(random.random()) + '.png' # 生成随机文件名 driver.save_screenshot(filename) # 截取当前窗口并保存图片 im = Image.open(filename) # 打开图片 im = im.crop((left, top, right, bottom)) # 截图验证码 im.save(filename) # 保存验证码图片 # 由于我处理的验证码图片没有填多的线条,所以直接采用灰度是验证码数字更加清晰,具体的处理方式可根据验证码的实际情况而定 im = Image.open(filename) # 转换为灰度图像 im = im.convert('L') im.save(filename) # 读取图片,应为百度API中提供的方法参数只能是字节流 with open(filename, 'rb')as f: image = f.read() # 使用API中提供的方法识别验证码并返回验证码 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) # 输入验证码 driver.find_element_by_id('denglu').click() # 点击登录 time.sleep(1000) # 为了看清登录,等待1000秒 if __name__ == '__main__': print(scrapy(username, password)) # 传入你在古诗文网注册的账号密码
requests源码
# -* 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参数 APP_ID = '23647800' API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN' SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK' def scrapy(username, password): """ :param username: 用户名 :param password: 密码 """ client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 调用API接口 conn = requests.Session() # 创建会话 resp = conn.get('https://so.gushiwen.cn/user/login.aspx', headers=headers) # 获取登录页面 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() # 获取图片的路由 img = conn.get(img_url, headers=headers) # 获取图片路由 # 保存图片 filename = str(random.random()) + '.png' # 随机生成文件名, 图片格式不能为jpg,API不支持jpg格式的识别 with open(filename, 'wb')as f: f.write(img.content) # 由于我处理的验证码图片没有填多的线条,所以直接采用灰度是验证码数字更加清晰,具体的处理方式可根据验证码的实际情况而定 im = Image.open(filename) # 转换为灰度图像 im = im.convert('L') im.save(filename) # 使用二进制方式读取图片 with open(filename, 'rb')as f: image = f.read() # # 标准识别, 每天免费50000次 # data = client.basicGeneral(image) # 精确识别,每天免费500次 data = client.handwriting(image) # 捕获一下接口识别当中的错误,可参照文档查看报错原因 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': '登录' } # 登录 html = conn.post('https://so.gushiwen.cn/user/login.aspx', headers=headers, data=form_data).text # 获取登录标志位 login_flag = re.findall("alert\('(.*?)'\);",html)[0] if re.findall("alert\('(.*?)'\);",html) else '' if not login_flag: return '登录成功!' elif '验证码有误!' in login_flag: return "验证码错误" if __name__ == '__main__': print(scrapy(username, password))
以上就是python爬虫如何解决图片验证码的详细内容,更多关于python 解决图片验证码的资料请关注猪先飞其它相关文章!
下一篇: Python实现粒子群算法的示例
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-04
使用PHP+JavaScript将HTML页面转换为图片的实例分享
这篇文章主要介绍了使用PHP+JavaScript将HTML元素转换为图片的实例分享,文后结果的截图只能体现出替换的字体,也不能说将静态页面转为图片可以加快加载,只是这种做法比较interesting XD需要的朋友可以参考下...2016-04-19Python astype(np.float)函数使用方法解析
这篇文章主要介绍了Python astype(np.float)函数使用方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-06-08- 2022虎年新年即将来临,小编为大家带来了一个利用Python编写的虎年烟花特效,堪称全网最绚烂,文中的示例代码简洁易懂,感兴趣的同学可以动手试一试...2022-02-14
- 在本篇文章里小编给大家分享的是一篇关于python中numpy.empty()函数实例讲解内容,对此有兴趣的朋友们可以学习下。...2021-02-06
- 这篇文章主要介绍了C#从数据库读取图片并保存的方法,帮助大家更好的理解和使用c#,感兴趣的朋友可以了解下...2021-01-16
- 今天小编在这里就来给各位Photoshop的这一款软件的使用者们来说说把古装美女图片转为细腻的工笔画效果的制作教程,各位想知道方法的使用者们,那么下面就快来跟着小编一...2016-09-14
python-for x in range的用法(注意要点、细节)
这篇文章主要介绍了python-for x in range的用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-05-10- 这篇文章主要介绍了Python 图片转数组,二进制互转操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-09
- 这篇文章主要介绍了Python中的imread()函数用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了python如何实现b站直播自动发送弹幕,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-02-20
- php如何实现抓取网页图片,相较于手动的粘贴复制,使用小程序要方便快捷多了,喜欢编程的人总会喜欢制作一些简单有用的小软件,最近就参考了网上一个php抓取图片代码,封装了一个php远程抓取图片的类,测试了一下,效果还不错分享...2015-10-30
python Matplotlib基础--如何添加文本和标注
这篇文章主要介绍了python Matplotlib基础--如何添加文本和标注,帮助大家更好的利用Matplotlib绘制图表,感兴趣的朋友可以了解下...2021-01-26- 这篇文章主要介绍了解决python 使用openpyxl读写大文件的坑,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-13
jquery左右滚动焦点图banner图片鼠标经过显示上下页按钮
jquery左右滚动焦点图banner图片鼠标经过显示上下页按钮...2013-10-13- 今天小编就为大家分享一篇python 计算方位角实例(根据两点的坐标计算),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 下面小编就为大家带来一篇利用JS实现点击按钮后图片自动切换的简单方法。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧...2016-10-25
- 这篇文章主要为大家详细介绍了python实现双色球随机选号,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-05-02
- 在本篇文章里小编给大家整理的是一篇关于python中使用np.delete()的实例方法,对此有兴趣的朋友们可以学习参考下。...2021-02-01
- 最近想自学PHP ,做了个验证码,但不知道怎么搞的,总出现一个如下图的小红叉,但验证码就是显示不出来,原因如下 未修改之前,出现如下错误; (1)修改步骤如下,原因如下,原因是apache权限没开, (2)点击打开php.int., 搜索extension=ph...2013-10-04