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，于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，最后通過接口識別文字獲取驗證碼，直接上代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
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xtop = int(element.location['y']) # 獲取圖片左上角yright = int(element.location['x'] + element.size['width']) # 獲取圖片右下角xbottom = 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) # 截取當前窗口并保存圖片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 # 由于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中提供的方法參數只能是字節流 with open(path, 'rb')as f: image = f.read() # 使用API中提供的方法識別驗證碼并返回驗證碼 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
這里用到了會話機制，對于初學者來說可能不太了解，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里，這樣瀏覽器就不會認為你重新來到這里，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了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
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)# 為了后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并返回驗證碼code = client.basicGeneral(image)code = code['words_result'][0]['words'] |
selenium源碼
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
|
# -* coding: utf-8 *-import timeimport randomfrom PIL import Imagefrom aip import AipOcrfrom 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) # 截取當前窗口并保存圖片 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 # 由于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中提供的方法參數只能是字節流 with open(filename, 'rb')as f: image = f.read() # 使用API中提供的方法識別驗證碼并返回驗證碼 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) # 為了看清登錄，等待1000秒if __name__ == '__main__': print(scrapy(username, password)) # 傳入你在古詩文網注冊的賬號密碼 |
requests源碼
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
# -* coding: utf-8 *-import osimport randomimport reimport requestsfrom PIL import Imagefrom aip import AipOcrfrom scrapy import Selectorheaders = { '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) # 由于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，更多關于python 解決圖片驗證碼的資料請關注服務器之家其它相關文章！
原文鏈接：https://www.cnblogs.com/yanghui3306/p/14385826.html
