python爬虫如何解决图片验证码
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 defget_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 withopen(path,'rb')asf: 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} returncode['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' withopen(filename,'wb')asf: 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 withopen(filename,'rb')asf: 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*- importtime importrandom fromPILimportImage fromaipimportAipOcr fromselenium.webdriverimportChrome #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 defscrapy(username,password): """ :paramusername:用户名 :parampassword: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 withopen(filename,'rb')asf: 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: returndata['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*- importos importrandom importre importrequests fromPILimportImage fromaipimportAipOcr fromscrapyimportSelector headers={ 'referer':'https://so.gushiwen.cn/user/login.aspx', 'user-agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/88.0.4324.146Safari/537.36' } #百度API参数 APP_ID='23647800' API_KEY='n95KOQgVuOMoAP72qZZo7uoN' SECRET_KEY='7yhyGglHUsY52DD8kf4w0Qjnxum07hMK' defscrapy(username,password): """ :paramusername:用户名 :parampassword: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 withopen(filename,'wb')asf: 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 withopen(filename,'rb')asf: 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: returndata['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]ifre.findall("alert\('(.*?)'\);",html)else'' ifnotlogin_flag: return'登录成功!' elif'验证码有误!'inlogin_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毛票票其它相关文章!